Pengaruh Intellectual Capital terhadap Kinerja Keuangan dan Prediksi Kinerja Keuangan Daerah Kabupaten Kota di Provinsi Sumatera Utara Chapter III V
BAB III
METODE PENELITIAN
3.1
Jenis Penelitian
Jenis penelitian adalah penelitian asosiatif yang bertujuan untuk
mengetahui hubungan antara dua variabel atau lebih (Sugiyono, 2012, p. 14)
Penelitian ini dilakukan untuk mengetahui dan menganalisis pengaruh Intellctual
Capital yang diproyeksikan dengan Value Added Capital Employed (VACA),
Value Added Human Capital (VAHU) dan Structural Capital Value Added
(STVA) dan ROGIC (Rate og Growth of Intellectual Capital) terhadap kinerja
keuangan dan kinerja keuangan masa depan.
3.2 Tempat dan Waktu Penelitian
Tempat penelitian ini berasal dari data sekunder, yaitu laporan APBD dan
realisasi APBD Pemerintah Daerah di Indonesia yang telah dipublikasi di website
resmi Direktorat Jenderal Perimbangan Keuangan (DJPK) dengan situs resmi
www.djpk.go.id dan Badan Pusat Statistik Provinsi Sumatera Utara dengan situs
resmi www.bps.sumut.co.id. Waktu penelitian ini akan dilakukan dari bulan
Desember 2016 sampai dengan bulan April 2017.
3.3
Batasan Operasional
Variabel yang digunakan dalam penelitian ini adalah variabel terikat
(dependent variable) dan variabel bebas (independent variable). Variabel terikat
dalam penelitian ini adalah kinerja keuangan yang dinilai dari rasio kemandirian,
rasio efektivitas, rasio desentralisasi fiskal, dan rasio pertumbuhan. Variabel bebas
dalam penelitian ini adalah Intellectual Capital yang terdiri dari Value Added
28
Universitas Sumatera Utara
29
Capital Employed (VACA), Value Added Human Capital (VAHU) dan Structural
Capital Value Added (STVA) yang diproyeksikan dengan Value Added
Intellectual Coefficient (VAICTM) dan ROGIC (Rate of Growth of Intellectual
Capital) yaitu merupakan selisih IC tahun ke-t dengan IC tahun ke-t-1.
Objek penelitian pada penelitian ini, yaitu pemerintah Kabupaten/Kota di
Sumatera Utara. Data penelitian yang digunakan pada penelitian ini diperoleh dari
laporan APBD dan realisasi APBD Pemerintah Daerah Kabupaten/Kota Sumatera
Utara dalam kurun waktut lima tahun, yaitu dimulai dari tahun 2011 sampai
dengan tahun 2015 yang dipublikasikan melalui website resmi Direktorat Jenderal
Perimbangan Keuangan ( DPJK), yaitu www.djpk.go.id dan Badan Pusat Statistik
Provinsi Sumatera Utara dengan situs resmi www.bps.sumut.co.id.
3.4 Definisi Operasional Variabel
Tabel 3.1
Definisi Operasional Variabel
Variabel
Intellectual
Capital (X1)
Definisi
Intellectual capital terdiri
dari :
1. Value Added Capital
Employed VACA (X1)
merupakan rasio yang
menunjukkan
kontribusi
yang dibuat oleh setiap
unit dari physical capital
(CA)
terhadap
value
added .
2. Value Added
Human Capital (VAHU)
(X2)
merupakan
indikator
yang
menunjukkan seberapa
banyak nilai tambah
(value
added)
yang
dapat
diperoleh
perusahaan dari dana
yang dikeluarkan untuk
Pengukuran
����� �����
VACA =
������� ��������
Skala
Ukur
Rasio
VA (Value Added)= Total
pendapatan – Biaya-biaya
(kecuali biaya pegawai)
CA (Capital Employed)= Dana
yang tersedia (laba bersih ,
ekuitas)
VAHU =
����� �����
����� �������
Universitas Sumatera Utara
30
Lanjutan Tabel 3.1
Variabel
Definisi
untuk karyawan atau
tenaga kerja
Capital
3. Structural
Value Added (STVA)
(X3). Rasio dari SC
terhadap
VA. Ini
menunjukkan
jumlah
SC yang dibutuhkan
untuk menghasilkan 1
rupiah dari VA dan
merupakan
indikasi
bagaimana SC dalam
penciptaan nilai.
Skala
Ukur
Pengukuran
Rasio
VA (Value Added)= Total pendapatan
– Biaya-biaya (kecuali biaya pegawai)
HC
(Human
Capital)=
Biaya
Pegawai
STVA =
���������� �������
����� �����
SC (Structural Capital)= VA – HC
VA (Value Added)= Total pendapatan
– Biaya-biaya (kecuali
biaya
pegawai)
ROGIC (Rate
of Growth of
Intellectual
Capital)
(X2)
Merupakan selisih IC tahun
ke-t dengan IC tahun ke-t1. Asumsi yang mendasari
perhitungan ROGIC adalah
jika
IC
mempengaruhi
kinerja keuangan masa
depan maka logikanya
rata-rata pertumbuhan IC
(rate
of
growth
of
intellectual capital) juga
akan
mempunyai
pengaruh dengan kinerja
keuangan masa depan
.
Rasio
ROGIC= VAICt – VAICt-1
Universitas Sumatera Utara
31
Lanjutan Tabel 6.1
Variabel
Definisi
Kinerja
Keuangan
Daerah (Y1) dan
Kinerja
Keuangan
Daerah
Masa
Depan (Y2)
Rasio yang dalam
mengukur
kinerja
keuangan
daerah
yang
digunakan
dalam penelitian ini,
yaitu :
Rasio
efektivitas
menggambarkan
kemampuan pemda
dalam merealisasikan
PAD
yang
direncanakan
dibandingkan dengan
target
yang
ditetapkan
berdasarkan potensi
riil daerah
.
Pengukuran
Skala Ukur
Rasio
RASIO EFEKTIVITAS
Realisasi Pendapatan Asli Daerah
(PAD)
Target Penerimaan Pendapatan
Asli Daerah yang ditetapkan
berdasarkan pada Potensi
Riil Daerah
Kinerja
keuangan
masa depan adalah
prediksi
kinerja
keuangan
daerah
untuk tahun
yang
akan datang.
3.5
Populasi dan Sampel Penelitian
3.5.1
Populasi
Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek
yang menjadi kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2012, p. 115).
Populasi dalam penelitian ini adalah seluruh Pemerintah Kabupaten/Kota
di
Provinsi Sumatera Utara selama berjumlah 33, terdiri dari 25 Kabupaten dan 8
Kota. Penelitian
ini menggunakan data sekunder dari laporan APBD dan
Realisasi APBD Pemerintah Kabupaten/Kota yang telah diaudit oleh DJPK untuk
tahun anggaran 2011-2015 dan telah dipublikasikan dalam website resmi DJPK
Universitas Sumatera Utara
32
(www.djpk.go.id) dan dan Badan Pusat Statistik Provinsi Sumatera Utara dengan
situs resmi www.bps.sumut.co.id.
3.5.2 Sampel
Sampel adalah bagian dari jumlah atau karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2012, p. 116). Dalam penelitian ini digunakan
metode populasi sasaran. Metode populasi sasaran adalah metode pemilihan
sampel dengan mempertimbangkan kriteria tertentu, menurut ciri-ciri khusus yang
dimiliki oleh populasi tersebut. Kriteria yang ditentukan dalam pemilihan sampel
adalah kabupaten dan kota Provinsi Sumatera Utara yang mempublikasikan
Laporan Realisasi APBD dalam situs Departemen Keuangan Republik Indonesia
Direktorat Jenderal Perimbangan Keuangan (www.djpk.depkeu.go.id), dan Badan
Pusat Statistik (www.bps.co.id)
Berdasarkan kriteria di atas, maka jumlah sampel yang digunakan dalam
penelitian ini adalah sebanyak 22 kabupaten/kota. Berikut merupakan Tabel 3.2
yang menyajikan kriteria pengambilan sampel serta jumlah sampel yang
memenuhi kriteria untuk digunakan dalam penelitian.
Tabel 3.2
Kriteria Pengambilan Sampel
No
1
Kriteria Pemilihan
Kabupaten dan Kota yang ada di Provinsi Sumatera
Utara selama periode 2011-2015
2
Kabupaten dan kota Provinsi Sumatera Utara yang
tidak mempublikasikan Laporan Realisasi APBD
periode 2010-2014 dalam situs Departemen
Keuangan Republik Indonesia Direktorat Jenderal
Perimbangan Keuangan
(www.djpk.depkeu.go.id) dan Badan Pusat Statistik
TOTAL SAMPEL
Jumlah Sampel
33
(11)
22
Universitas Sumatera Utara
33
Berdasarkan Tabel 3.2 diatas mengenai kriteria sampel penelitian, dapat
dilihat bahwa terdapat 11 kabupaten/kota yang tidak yang tidak mempublikasikan
Laporan Realisasi APBD secara lengkap selama periode 2011-2015 sesuai kriteria
yang ditetapkan oleh peneliti maka jumlah sampel yang digunakan dalam
penelitian ini adalah sebanyak 22 kabupaten/kota. Sampel yang akan digunakan
dalam penelitian ini disajikan dalam Tabel 3.3 berikut :
Tabel 3.3
Sampel Penelitian
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Nama Kabupaen/Kota
Kabupaten Asahan
Kabupaten Dairi
Kabupaten Deli Serdang
Kabupaten Tapanuli Tengah
Kabupaten Mandailing Natal
Kabupaten Simalungun
Kabupaten Tapanuli Selatan
Kabupaten Padang Lawas
Kabupaten Humbang Hasundutan
Kabupaten Samosir
Kabupaten Tanah Karo
Kabupaten Labuhan Batu
Kabupaten Toba Samosir
Kabupaten Pakpak Barat
Kota Medan
Kabupaten Labuhan Batu Utara
Kota Padangsidempuan
Kota Pematang Siantar
Kota Sibolga
Kota Tanjung Balai
Kota Binjai
Kabupaten Labuhan Batu Selatan
Sumber: Direktorat Jenderal Perimbangan Keuangan (www.djpk.go.id)
3.6
Jenis Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif,
yaitu data yang berwujud angka-angka (Ridwan, 2010, p. 106). Sumber data yang
digunakan adalah data sekunder. Data tersebut diperoleh dari buku-buku referensi,
literatur ilmiah lainnya yang berkaitan dengan topik pembahasan penelitian dan
diperoleh dari laporan APBD dan Realisasi APBD tahunan Kabupaten/Kota di
Universitas Sumatera Utara
34
Sumatera Utara tahun 2011-2015 melalui webite resmi Direktorat Jenderal
Perimbangan Keuangan (DJPK) di www.djpk.go.id dan Badan Pusat Statistik
Provinsi Sumatera Utara dengan situs resmi www.bps.sumut.co.id.
3.7 Metode Pengumpulan Data
Metode pengumpulan data pada penelitian ini adalah studi dokumentasi.
Studi
dokumentasi
merupakan
teknik
pengumpulan
data
dengan
cara
mengumpulkan dan mempelajari data dari buku-buku, jurnal penelitian, majalah
dan internet yang memiliki relevan dengan penelitian.
3.8 Teknik Analisis Data
Data-data yang diperoleh akan diolah menggunakan program software
Eviews dengan menggunakan alat statistik deskriptif dan regresi linear sederhana
yang terdiri dari dua variabel dependen (Y1 dan Y2) dan dua variabel independen
(X1 dan X2).
3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi mengenai suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum
(Gozali, 2009). Statistik deskriptif digunakan untuk memberikan gambaran variabel
intellectual capital dan kinerja keuangan.
3.8.2 Analisis Regresi Linear Sederhana
Untuk
mengetahui bagaimana
pengaruh kedua
variabel,
peneliti
menggunakan teknik analisis regresi linear sederhana. Analisis ini digunakan
untuk mempelajari bentuk hubungan yang ada diantara variabel-variabel yang
terlibat, sehingga dapat diketahui bagaimana variabel dependen dapat diprediksi
Universitas Sumatera Utara
35
melalui variabel independen. Analisis ini juga dapat digunakan untuk
memutuskan apakah naik atau turunnya variabel dependen dapat dilakukan
dengan menaikkan atau menurunkan variabel independen. Persamaan umum
analisis regresi linear sederhana menurut (Sugiyono, 2012, p. 188) adalah sebagai
berikut :
Y1 = a + bX1
Y2 = a + bX1
Y3 = a + bX2
Model persamaan pada penelitian ini adalah regresi sederhana. Model
persamaannya adalah sebagai berikut:
Y1
= a + b1X1it + e + ……………(1)
Y2 (Yt+1)
= a + b1X1it+ e + ……………(2)
Y3 (Yt+1)
= a+ b2X2it +e + …………….(3)
Keterangan:
Y1
= Kinerja Keuangan
Y2 dan Y3
= Kinerja Keuangan Masa Depan
a
= Konstanta.
b1, b2,
= Koefisien regresi variabel independen.
X1
= Intellectual Capital
X2
= ROGIC (Rate of Growth of Intellectual Capital)
e
= error term
i
= Kabupaten dan Kota
t
= Waktu
Universitas Sumatera Utara
36
3.9
Pengujian Asumsi Klasik
Dengan menggunakan analisis regresi, maka ada beberapa uji asumsi yang
harus dipenuhi agar persamaan regresi dalam penelitian valid dan layak untuk
digunakan. Uji asumsi tersebut disebut dengan uji asumsi klasik.
3.9.1 Uji Multikolinearitas
Menurut (Ghozali, 2012) “uji multikolinearitas bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar variabel bebas
(independen)”. Kemiripan antar variabel independen dalam satu model akan
menyebabkan korelasi sangat kuat antar variabel independen dengan variabel
independen lain. Model regresi yang baik seharusnya tidak terjadi korelasi di
antara variabel independen.
Salah satu cara untuk mendeteksi multikolinearitas dapat dilihat dari nilai
tolerance dan variance inflation factor (VIF). Tolerance mengukur variabel
independen yang terpilih dan tidak dijelaskan oleh variabel independen lainnya.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas
adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10.
Jika nilai tolerance < 0,10 atau nilai VIF > 10 maka mengindikasikan
terjadinya multikolinearitas, sebaliknya jika nilai tolerance > 0,10 atau nilai VIF <
10 maka mengindikasikan tidak terjadi multikolinearitas.
3.9.2 Uji Autokorelasi
Menurut Ghozali (2012:110) ”uji autokorelasi bertujuan menguji apakah
dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 (sebelumnya)”. Jika terjadi korelasi,
Universitas Sumatera Utara
37
maka dinamakan ada problem autokolerasi. Model regresi yang baik adalah
regresi yang bebas dari autokorelasi. Untuk mendeteksi ada tidaknya autokolerasi,
digunakan metode uji Durbin-Watson (DW). Dasar pengambilan keputusan ada
tidaknya autokolerasi dengan menggunakan nilai uji Durbin-Watson yaitu nilai
statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3
diindikasi terjadi autokorelasi (Field, 2009, pp. 220-221).
3.9.3 Uji Heteroskedastisitas
Menurut (Gozali, Aplikasi Analisis Multivariate dengan Program IBM
SPSS 20, 2012, p. 139) “uji heteroskedastisitas bertujuan menguji apakah dalam
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain”. Jika varians dari residual dari suatu pengamatan
kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika varians
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah jika
homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada
tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar
Scatterplot model tersebut. Dasar analisis yang dapat digunakan untuk
menentukan heteroskedastisitas, antara lain sebagai berikut:
1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola
tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka
mengindikasikan telah terjadi heteroskedastisitas,
2.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau
terjadi homoskedastisitas.
Universitas Sumatera Utara
38
3.10 Pengujian Hipotesis
3.10.1 Koefisien Determinasi (R2)
Koefisien determinasi adalah koefisien nilai yang menunjukan besarnya
variasi variabel terikat (dependent variable) yang dipengaruhi oleh variasi
variabel bebas (independent variable). Pengukuran besarnya persentase kebenaran
dari uji regresi tersebutu dapat dilihat melalui nilai koefisien determinasi multiple
R2 (koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan
oleh variabel bebas). Apabila nilai R2 suatu regresi (mendekati satu), maka
semakin baik regresi tersebut dan semakin mendekati nol, maka variabel
independen secara keseluruhan tidak bisa menjelaskan variabel dependen.
Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh faktorfaktor yang ditimbulkan oleh variabel bebas terhadap variabel terikat.
3.10.2 Uji-F (Uji Serempak)
Uji-F menunjukkan apakah semua variabel independen atau bebas yang
dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel dependen (terikat).
H0:b1=b2=b3=b4=0, artinya secara bersama-sama variabel bebas (VACA, VAHU,
STVA, ROGIC) berpengaruh tidak signifikan terhadap variabel terikat (Kinerja
Keuangan dan Kinerja Keuangan Masa Depan)
H1:b1≠b2≠b3=b4=0, artinya secara bersama-sama variabel bebas (VACA, VAHU,
STVA, ROGIC) berpengaruh signifikan terhadap variabel terikat (Kinerja
Keuangan dan Kinerja Keuangan Masa Depan)
Kriteria pengambilan keputusan:
Universitas Sumatera Utara
39
H0 diterima jika Fhitung ≤ Ftabel pada α = 5%
H1 diterima jika Fhitung > Ftabel pada α = 5% .
3.10.3 Uji-t (Uji Signifikansi Parsial)
Uji ini digunakan untuk mengetahui pengaruh satu variabel independen
secara parsial terhadap variabel dependen. Bentuk pengujiannya adalah sebagai
berikut :
H0:bi= 0, artinya secara parsial variabel bebas (Intellectual Capital dan ROGIC)
berpengaruh tidak signifikan terhadap variabel terikat (Kinerja Keuangan dan
Kinerja Keuangan Masa Depan).
H1:bi ≠ 0, artinya secara parsial variabel bebas (Intellectual Capital dan ROGIC)
berpengaruh signifikan terhadap variabel terikat (Kinerja Keuangan dan Kinerja
Keuangan Masa Depan).
Pengujian menggunakan uji-t dengan tingkat pengujian pada α =5%
derajat kebebasan (degree of freedom) atau df= (n-k).
Kriteria pengambilan keputusan:
H0 diterima jika t-tabel ≤ t-hitung ≤ t-tabel pada α= 5%
H1 diterima jika t-hitung > t-tabel dasn t-hitung ≤ t-tabel pada α= 5%
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1
Gambaran Umum Objek Penelitian
Wilayah Provinsi Sumatera Utara sebagian besar berada di daratan Pulau
Sumatera, selebihnya berada di kepulauan yang meliputi Pulau Nias, Kepulauan
Batu-batu, serta pulau-pulau kecil lainnya di bagian barat dan timur Pulau
Sumatera. Berdasarkan letak geografis, Provinsi Sumatera Utar berada di bagian
barat Indonesia, dengan letak astronomis berada pada garis 1°-4° Lintang Utara
dan 98°-100° Bujur Timur. Provinsi Sumatera Utara terbagi menjadi 25 kabupaten
dan 8 kota yang terdiri dari 440 kecamaatan dan 6.008 desa/kelurahan, dengan
luas daratan mencapai 72.981,23 km2. Kabupaten Langkat memiliki wilayah
terluas di Sumatera Utara yaitu 6.262,00 km2, atau sekitar 8,40 persen. Kabupaten
Mandailing Natal memiliki luas wilayah terbesar kedua yaitu sebesar 6.134,00
km2. Sedangkan luas daerah terkecil yaitu Kota Tebing Tinggi yaitu 31,00 km2,
atau sekitar 0,04 persen dari total luas daratan Sumatera Utara.
Dalam penelitian ini mengambil sampel penelitian hanya pada
kota/kabupaten yang ada di provinsi Sumatera Utara. Terdiri dari 22 daerah
kota/kabupaten. Berikut ini gambaran umum objek peneltian adalah sebagai
berikut :
1.
Kabupaten Asahan
Berdasarkan keputusan DPRD-GR Tk. II Asahan No. 3/DPR-GR/1963
Tanggal 16 Pebruari 1963 diusulkan ibukota Kabupaten Asahan dipindahkan
dari Kotamadya Tanjung Balai ke kota Kisaran dengan alasan supaya
40
Universitas Sumatera Utara
41
Kotamadya Tanjung Balai lebih dapat mengembangkan diri dan juga letak
Kota Kisaran lebih strategis untuk wilayah Asahan. Hal ini baru teralisasi
pada tanggal 20 Mei 1968 yang diperkuat dengan peraturan pemerintah
Nomor 19 Tahun 1980,Lembaran Negara Tahun 1980 Nomor 28,Tambahan
Negara Nomor 3166.Pada tahun 1982, Kota Kisaran ditetapkan menjadi Kota
Administratif berdasarkan Peraturan Pemerintah Nomor 17 Tahun 1982,
Lembaran Negara Nomor 26 Tahun 1982.
2.
Kabupaten Deli Serdang
Kabupaten Deli Serdang sebagai bagian dari wilayah pantai timur Provinsi
Sumatera Utara terletak diantara 20 57 Lintang Utara dan 30 16 Lintang
Selatan dan 98033-99027 Bujur Timur dengan luas wilayah 2.497.72km2
atau 3,48% luas Propinsi Sumatera Utara. Sesuai dengan dikeluarkan UU
Nomor 36 Tahun 2003 tanggal 18 Desember 2003, Kabupaten Deli Serdang
telah dimekarkan menjadi dua wilayah yakni Kabupaten Deli Serdang dan
Kabupaten Serdang Bedagai, secara administratif Pemerintah Kabupaten Deli
Serdang kini terdiri atas 22 Kecamatan yang di dalamnya terdapat 14
Kelurahan dan 380 Desa.
3.
Kabupaten Dairi
Mengawali berlakunya Otonomi Daerah Kabupaten Dairi telah diresmikan
secara definitive pembentukan 2 (dua) kecamatan baru tersebut yaitu
Kecamatan Lae Parira yang diresmikan Bupati Dairi pada tanggal 13 Pebruari
2001 di Lae Parira (ibukota Kecamatan Lae Parira) dan Kecamatan Sitellu
Tali Urang Jehe, yang diresmikan pada tanggal 15 Pebruari 2001 di Sibande
Universitas Sumatera Utara
42
(ibukota Kecamatan Sitellu Tali Urang Jehe). Wilayah Kabupaten Dairi
terbagi atas : 15 Kecamatan, 8 kelurahan dan 161 desa.
4.
Kabupaten Mandailing Natal
Mandailing Natal juga sering disebut dengan Madina adalah sebuah
kabupaten di Provinsi Sumatera Utara, Indonesia. Dibentuk berdasarkan
Undang-undang Nomor 12 tahun 1998, secara formal diresmikan oleh
Menteri Dalam Negeri pada tanggal 9 Maret 1999. Kabupaten yang berlbukota di Panyabungan ini terdiri dari 23 Kecamatan dan 407 desa/
kelurahan. Luas wilayah Kabupaten Mandailing Natal adalah 662.070 ha atau
9,24% dari wilayah Provinsi Sumatera Utara. Wilayah kecamatan yang
terluas adalah Kecamatan Muara Batang Gadis, yakni 143.502 ha (21,67%)
sedangkan wilayah yang terkecil yaitu Kecamatan Lembah Sorik Merapi
seluas 3.472,57 ha (0,52%).
5.
Kabupaten Tanah Karo
Secara Geografis letak Kabupaten Karo berada diantara 2º50’–3º19’ Lintang
Utara dan 97º55’–98º38’ Bujur Timur dengan luas 2.127,25 Km2 atau 2,97
persen dari luas Propinsi Sumatera Utara. Tanah Karo terbentuk sebagai
Kabupaten Daerah Tingkat II setelah melalui proses yang sangat panjang dan
dalam perjalanan sejarahnya Kabupaten ini telah mengalami perubahan mulai
dari zaman penjajahan Belanda, zaman penjajahan Jepang hingga zaman
kemerdekaan.
Universitas Sumatera Utara
43
6.
Kabupaten Simalungun
Kabupaten Simalungun terletak antara 2,36° – 3,18° LU dan 98,32° – 99,35°
BT, berada pada ketinggian 20 – 1.400 m diatas permukaan laut. Kabupaten
Simalungun dengan luas 4.386,60 Km² atau 6,12% dari luas wilayah Propinsi
Sumatera Utara terdiri dari 31 Kecamatan, 343 desa /nagori dan 24 Kelurahan
dengan jarak rata-rata ibukota kecamatan ke ibukota kabupaten antara 13 km
s/d 97 km.
7.
Kabupaten Tapanuli Selatan
Kabupaten Tapanuli Selatan adalah sebuah kabupaten di Sumatera Utara,
Indonesia. Ibu kotanya ialah Sipirok. Kabupaten ini awalnya merupakan
kabupaten yang amat besar dan beribukota di Padang Sidempuan. Daerahdaerah yang telah berpisah dari Kabupaten Tapanuli Selatan adalah
Mandailing Natal, Kota Padang Sidempuan, Padang Lawas Utara dan Padang
Lawas Selatan. Setelah pemekaran, ibukota kabupaten ini pindah ke Sipirok.
Kabupaten Tapanuli Selatan terdiri dari 14 kecamatan.
8. Kabupaten Tapanuli Tengah
Kabupaten Tapanuli Tengah adalah salah satu kabupaten di Provinsi
Sumatera Utara yang terletak di Kawasan Barat Pulau Sumatera, dengan
wilayah sebagian merupakan pulau-pulau kecil di Samudera Hindia. Ibukota
Kabupaten Tapanuli Tengah adalah Pandan. Kabupaten Tapanuli Tengah
terdiri atas 20 (dua puluh) kecamatan, 30 (tiga puluh) kelurahan dan 147
(seratus empat puluh tujuh) desa. Berdasarkan Peraturan Daerah Kabupaten
Universitas Sumatera Utara
44
Tapanuli Tengah Nomor 19 Tahun 2007 maka ditetapkan Hari Jadi
Kabupaten Tapanuli Tengah adalah tanggal 24 Agustus 1945.
9.
Kabupaten Tapanuli Utara
Jumlah kecamatan di Kabupaten Tapanuli Utara menjadi 15 kecamatan.
Kecamatan yang masih tetap dalam Kabupaten Tapanuli Utara yaitu
Kecamatan Parmonangan, Kecamatan Adiankoting, Kecamatan Sipoholon,
Kecamatan Tarutung, Kecamatan Siata Barita, Kecamatan Pahae Jae,
Kecamatan Purbatua, Kecamatan Simangumban, Kecamatan Pahae Julu,
Kecamatan
Pangaribuan,
Kecamatan
Garoga,
Kecamatan
Sipahutar,
Kecamatan Siborong-Borong, Kecamatan Pagaran, Kecamatan Muara.
10. Kabupaten Humbang Hasundutan
Luas Kabupaten Humbang Hasundutan adalah 251.765,93 Ha. Terdiri dari 10
(sepuluh) Kecamatan, 153 (seratus lima puluh tiga) Desa dan 1 (satu)
Kelurahan, yaitu Kecamatan Pakkat, Kecamatan Onanganjang, Kecamatan
Sijamapolang, Kecamatan Lintongnihuta, Kecamatan Paranginan, Kecamatan
Doloksanggul, Kecamatan Pollung, Kecamatan Parlilitan, Kecamatan
Tarabintang dan Kecamatan Baktiraja.. Kabupaten Humbang Hasundutan
diresmikan oleh Menteri Dalam Negeri RI pada 28 Juli 2003.
11. Kabupaten Samosir
Kabupaten Samosir adalah kabupaten yang baru dimekarkan dari Kabupaten
Toba Samosir sesuai dengan UU RI Nomor 36 Tahun 2003 pada tanggal 18
Desember 2003 tentang Pembentukan Kabupaten Samosir dan Kabupaten
Serdang Bedagai. Kabupaten Samosir terdiri dari 9 kecamatan; 6 kecamatan
Universitas Sumatera Utara
45
berada di Pulau Samosir, dan 3 kecamatan di daerah lingkar luar Danau Toba
tepat pada punggung pegunungan Bukit Barisan.
12. Kabupaten Labuhan Batu
Kabupaten Labuhan Batu adalah salah satu kabupaten yang ada di provinsi
Sumatera Utara, Indonesia. Ibu kota kabupaten ini terletak di Rantau Prapat.
Sejak 24 Juni 2008, jumlah kecamatan di kabupaten Labuhanbatu berkurang
dengan adanya pemekaran dari kabupaten ini, yaitu melalui pembentukan
Kabupaten Labuhanbatu Utara dan Kabupaten Labuhanbatu Selatan. Dengan
dibentuknya Kabupaten Labuhanbatu Utara dan Kabupaten Labuhanbatu
Selatan, maka jumlah kecamatan di kabupaten ini menjadi 9 kecamatan.
13. Kabupaten Toba Samosir
Kabupaten ini dibentuk berdasarkan Undang-Undang Nomor 12 Tahun 1998
tentang pembentukan Kabupaten Daerah Tingkat II Toba Samosir dan
Kabupaten Mandailing Natal, di Provinsi Daerah Tingkat I Sumatera Utara.
Kabupaten Toba Samosir ini merupakan pemekaran dari daerah tingkat II
Kabupaten Tapanuli Utara. Wilayah administrasi Kabupaten Toba Samosir
pada tahun 2013 terdiri dari 16 kecamatan dengan 244 desa/kelurahan, yaitu
231 desa dan 13 kelurahan. Kecamatan Balige merupakan kecamatan dengan
jumlah desa/kelurahan terbanyak, yaitu 35 desa/kelurahan. Sedangkan
Kecamatan Tampahan merupakan kecamatan dengan jumlah desa/kelurahan
yang paling sedikit, yaitu hanya 6 desa.
Universitas Sumatera Utara
46
14.
Kota Binjai
Binjai adalah salah satu kota (dahulu daerah tingkat II berstatus kotamadya)
dalam wilayah provinsi Sumatera Utara, Indonesia. Binjai terletak 22 km di
sebelah barat ibukota provinsi Sumatera Utara, Medan. Sebelum berstatus
kotamadya, Binjai adalah ibukota Kabupaten Langkat yang kemudian
dipindahkan ke Stabat. Binjai berbatasan langsung dengan Kabupaten
Langkat di sebelah barat dan utara serta Kabupaten Deli Serdang di sebelah
timur dan selatan.
15. Kota Medan
Luas Kota Medan adalah sekitar 26.510 hektar atau setara dengan 265,10
km². Dengan kata lain, Kota Medan memiliki wilayah 3,6% dari keseluruhan
Sumatera Utara. Kota Medan dipimpin oleh seorang walikota. Secara
administratif, Medan terdiri atas 151 kelurahan dan 21 kecamatan.
16. Kota Padangsidimpuan
Sejak tanggal 21 Juni 2001, berdasarkan Undang-undang Nomor 4 Tahun
2001, Kota Padang Sidimpuan ditetapkan sebagai Daerah Otonom dan
merupakan hasil penggabungan dari Kecamatan Padang Sidimpuan Utara,
Kecamatan Padang Sidimpuan Selatan, Kecamatan Padang Sidimpuan
Batunadua, Kecamatan Padang Sidimpuan Hutaimbaru, dan Kecamatan
Padang Sidimpuan Tenggara yang sebelumnya masuk wilayah Kabupaten
Tapanuli Selatan.
Universitas Sumatera Utara
47
17. Kota Pematang Siantar
Kota Pematangsiantar (sering disingkat Siantar saja) adalah salah satu kota di
Provinsi Sumatera Utara, dan kota terbesar kedua di Provinsi tersebut setelah
Medan. Karena letak Pematangsiantar yang strategis, ia dilintasi oleh Jalan
Raya Lintas Sumatera. Kota ini memiliki luas wilayah 79,97 km2 dan
berpenduduk sebanyak 240.787 jiwa (2010). Berdasarkan UU No.1/ 1957
berubah menjadi Kota Praja Penuh dan dengan keluarnya Undang-undang
No.18/ 1965 berubah menjadi Kota, dan dengan keluarnya Undang-undang
No. 5/ 1974 tentang-Pokok-pokok Pemerintahan di Daerah berubah menjadi
Kota Daerah Tingkat II Pematangsiantar sampai sekarang.
18. Kota Sibolga
Kota ini hanya memiliki luas ±10,77 km² dan berpenduduk sekitar 84.481
jiwa. Pada masa Hindia Belanda kota ini pernah menjadi ibu kota Residentie
Tapanuli. Setelah masa kemerdekaan hingga tahun 1998, Sibolga menjadi
kotamadya Sibolga.Undang-Undang Nomor: 18 tahun 1956 Daerah
Swatantra Tingkat II Kotapraja Sibolga diganti sebutannya menjadi Daerah
Tingkat II Kota Sibolga yang pengaturannya selanjutnya ditentukan oleh
Undang-Undang Nomor 5 Tahun 1974 tentang Pokok-Pokok Pemerintahan
Daerah yang dipimpin oleh Walikota sebagai Kepala Daerah. Kemudian
hingga sekarang Sibolga merupakan Daerah Otonom Tingkat II yang
dipimpin oleh Walikota Kepala Daerah.
Universitas Sumatera Utara
48
19. Kota Tanjung Balai
Sejak kemerdekaan Republik Indonesia, keberadaan Kota Tanjungbalai
sebagai daerah otonom ditetapkan berdasarkan Undang – Undang Nomor 9
Darurat Tahun 1956 (LN Tahun 1956 Nomor 60, TLN Nomor 1092) tentang
Pembentukan Daerah Otonom Kota – Kota Kecil dalam Lingkungan Daerah
Provinsi Sumatera Utara, nama Gementee Tanjungbalai diganti dengan Kota
Kecil Tanjungbalai. Sebelum Kota Tanjungbalai diperluas dari hanya 199 ha
(2 km²) menjadi 60,52 km², kota ini pernah menjadi kota terpadat di Asia
Tenggara dengan jumlah penduduk lebih kurang 40.000 orang dengan
kepadatan penduduk lebih kurang 20.000 jiwa per km². Akhirnya Kota
Tanjungbalai diperluas menjadi ± 60 Km² dengan terbitnya Peraturan
Pemerintah Republik Indonesia No. 20 Tahun 1987, tentang perubahan batas
wilayah Kota Tanjungbalai dan Kabupaten Asahan.
20. Kabupaten Padanglawas
Kabupaten Padang Lawas adalah kabupaten di Provinsi Sumatera Utara,
Indonesia,
yakni
hasil
pemekaran
dari
Kabupaten
Tapanuli
Selatan.Kabupaten ini resmi berdiri sejak diundangkannya Undang-Undang
Republik Indonesia Nomor: 38 Tahun 2007, tepatnya pada tanggal 10
Agustus 2007, bersamaan dengan dibentuknya Kabupaten Padang Lawas
Utara, menyusul RUU yang disetujui pada 17 Juli 2007. Ibukota kabupaten
ini adalah Sibuhuan.
Universitas Sumatera Utara
49
21. Kabupaten Labuhan Batu Selatan
Kabupaten Labuhanbatu Selatan (Labusel) yang beribukota di Kota Pinang,
Kota Pinang adalah kabupaten yang baru dimekarkan dari Kabupaten
Labuhanbatu sesuai dengan Undang-Undang Nomor 22 Tahun 2008 pada 24
Juni 2008 tentang Pembentukan Kabupaten Labuhanbatu Selatan, semasa
pemerintahan Presiden Susilo Bambang Yudhoyono.
22. Kabupaten Labuhan Batu Utara
Kabupaten Labuhanbatu Utara adalah kabupaten yang baru dimekarkan dari
Kabupaten Labuhanbatu sesuai dengan Undang-Undang Nomor 23 Tahun
2008 pada 24 Juni 2008 tentang Pembentukan Kabupaten Labuhanbatu Utara,
semasa pemerintahan Presiden Susilo Bambang Yudhoyono. Ibu kota
kabupaten ini terletak di Aek Kanopan.
4.2
Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu
data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata (mean), dan
nilai standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam
perhitungan statistik deskriptif adalah Intellectual Capital, ROGIC, dan kinerja
kuangan masa sekarang. Berdasarkan analisis statistik deskriptif diperoleh
gambaran sampel sebagai berikut.
Universitas Sumatera Utara
50
Tabel 4.1
Statistik Deskriptif dari Intellectual Capital
ROGIC, dan Kinerja Keuangan
Mean
Median
Maximum
Minimum
Std. Dev.
Observations
KINERJAKEUA
NGAN
0.612023
0.602484
7.122306
0.027132
0.671640
110
IC
8.983063
11.96630
390.3027
-339.7235
86.26625
110
ROGIC
17.94002
13.32006
526.1157
-543.2194
111.3281
110
Sumber: Hasil Olah software Eviews (2017)
4.2.1.1 Variabel Independen
1.
Intellectual Capital
Tabel 4.1 memperlihatkan bahwa nilai rata-rata Intellectual Capital adalah
8.983063 dengan standar deviasi 86.26625. Nilai terendah (minimum)
Intellectual Capital adalah -339.7235 yang dimiliki oleh Kabupaten Tapanuli
Utara pada tahun 2015 dan nilai tertinggi (maximum) adalah 390.3027
sebesar
yang dimiliki oleh Kabupaten Toba Samosir pada tahun 2012
(Data terlampir).
2.
Rate of Growth of Intellectual Capital (ROGIC)
Tabel 4.1 memperlihatkan bahwa nilai rata-rata adalah Rate of Growth of
Intellectual Capital (ROGIC)
adalah
17.94002 dengan standar deviasi
111.3281. Nilai terendah (minimum) ROGIC adalah -543.2194 yang dimiliki
oleh Kabupeten Deli Serdang
pada tahun 2014 dan nilai tertinggi
(maximum) (ROGIC) 526.1157 adalah sebesar
yang dimiliki oleh
Kabupaten Deli Serdang tahun 2015 (Data terlampir).
Universitas Sumatera Utara
51
4.2.1.2 Variabel Dependen
Tabel 4.1 memperlihatkan bahwa nilai rata-rata Kinerja Keuangan adalah
0.612023 dengan standar deviasi 0.671640 . Nilai terendah (minimum) adalah
0.027132 yang dimiliki oleh Kabupaten Tapanuli Utara pada tahun 2015 dan nilai
tertinggi (maximum) 7.122306 sebesar yang dimiliki oleh Kabupaten Pakpak
Barat tahun 2012 (Data terlampir).
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Dalam
penelitian
ini,
uji
normalitas
terhadap
residual
dengan
menggunakan uji Jarque-Bera (J-B). Didalam penelitian ini data sudah di
transformasi dengan menggunakan transformsi SQRT. Dalam penelitian ini,
tingkat signifikansi yang digunakan � = 0,05. Dasar pengambilan keputusan
adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai
berikut.
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
50
Series: Residuals
Sample 1 110
Observations 110
40
30
20
10
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-1.22e-16
0.000151
6.509537
-0.585801
0.671372
8.343861
81.87832
Jarque-Bera
Probability
29792.90
0.000000
0
0
1
2
3
4
5
6
Sumber: Hasil Olah software Eviews (2017)
Gambar 4.1
Uji Normalitas dengan Uji Jarque-Bera – Model 1
Universitas Sumatera Utara
52
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari
statistik J-B adalah 0,00000. Karena nilai probabilitas �, yakni 0,00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
12
Series: Residuals
Sample 1 110
Observations 110
10
8
6
4
2
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-4.90e-13
-2.905018
55.76532
-64.15546
25.86590
0.186438
2.677515
Jarque-Bera
Probability
1.113899
0.572954
0
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
Gambar 4.2
Uji Normalitas dengan Uji Jarque-Bera
Setelah Transformasi – Model 1
Berdasarkan Gambar 4.2, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,572954 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
40
Series: Residuals
Sample 1 88
Observations 88
35
30
25
20
15
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
3.10e-16
-0.012649
6.485311
-0.610374
0.739722
7.739798
68.73016
Jarque-Bera
Probability
16720.26
0.000000
10
5
0
0
1
2
3
4
5
6
Gambar 4.3
Uji Normalitas dengan Uji Jarque-Bera – Model 2
Universitas Sumatera Utara
53
Perhatikan bahwa berdasarkan Gambar 4.3, diketahui nilai probabilitas dari
statistik J-B adalah 0.00000. Karena nilai probabilitas �, yakni 0.00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
12
Series: Residuals
Sample 1 88
Observations 88
10
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
8
6
4
-5.81e-13
-3.660898
56.70245
-57.59350
25.10377
0.166091
2.713731
Jarque-Bera
Probability
2
0.705079
0.702901
0
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
Gambar 4.4
Uji Normalitas dengan Uji Jarque-Bera
Setelah Transformasi – Model 2
Berdasarkan Gambar 4.4, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,702901 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
40
Series: Residuals
Sample 1 88
Observations 88
35
30
25
20
15
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.85e-16
-0.008723
6.454476
-0.694616
0.734808
7.779008
69.25963
Jarque-Bera
Probability
16985.43
0.000000
10
5
0
0
1
2
3
4
5
6
Gambar 4.5
Uji Normalitas dengan Uji Jarque-Bera – Model 3
Universitas Sumatera Utara
54
Perhatikan bahwa berdasarkan Gambar 4.5 diketahui nilai probabilitas dari
statistik J-B adalah 0.0000. Karena nilai probabilitas �, yakni 0.00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
16
Series: Residuals
Sample 1 88
Observations 88
14
12
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
10
8
6
-5.37e-13
-5.456298
58.94316
-49.43320
24.59461
0.487338
2.640555
4
Jarque-Bera
Probability
2
3.957044
0.138273
0
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
Gambar 4.6
Uji Normalitas dengan Uji Jarque-Bera
Setelah Transformasi – Model 3
Berdasarkan Gambar 4.6, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,138273 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
4.2.2.2 Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai
korelasi antar variabel yang terdapat dalam matriks korelasi. Ghozali (2013)
menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni
di atas 0,9, maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji
multikolinearitas disajikan pada Tabel 4.2.
Universitas Sumatera Utara
55
Tabel 4.2
Uji Multikolinearitas – Model 1, 2, 3
INTELLECTUAL
CAPITAL (X1)
ROGIC (X2)
INTELLECTUAL CAPITAL
1.000000
-0.120378
ROGIC
-0.120378
1.000000
VARIABEL
Sumber: Hasil Olah software Eviews (2017)
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi antara Intellectual
Capital dengan ROGIC adalah -0.120378. Dari hasil pengujian multikolinearitas
pada Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas
antar variabel independen. Hal ini karena nilai korelasi antar variabel independen
tidak lebih dari 0,9 (Ghozali, 2013:105).
4.2.2.3 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat
diuji dengan menggunakan uji Durbin-Watson (Field, 2009:220). Nilai statistik
dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009:220) menyatakan
sebagai berikut.
“Specifically, it (Durbin-Watson) tests whether adjacent residuals are
correlated. The test statistic can vary between 0 dan 4 with a value 2
meaning that the residuals are uncorrelated".
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih
besar dari 3 diindikasi terjadi autokorelasi. Field (2009:220-221) menyatakan
sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of
predictors in the model and the number of observations. For accuracy,
you should look up the exact acceptable values in Durbin and Watson's
Universitas Sumatera Utara
56
(1951) original paper. As very conservative rule of thumb, values less then
1 or greater than 3 are definitely cause for concern; however, values
closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.3 Uji Autokorelasi dengan Uji Durbin-Watson
Variavel Dependen
Kinerja Keuangan
Kinerja Keuangan
Masa Depan
Kinerja Keuangan
Masa Depan
Durbin-Watson
2.001498
Interval
1 sampai dengan 3
1 sampai dengan 3
Kesimpulan
Bebas gejala auto
Bebas gejala auto
1 sampai dengan 3
Bebas gejala auto
2.220183
2.234725
Sumber: Hasil Olah Software Eviews (2017)
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson pada model 1, 2
dan 3 secara berturut-turut adalah 2.001498, 2.220183, dan 2.234725. Nilai
statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi
terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada
residual.
4.2.2.4 Uji Heteroskedastisitas
Menurut (Gujarati, 2012) Deteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan uji Breusch-Pagan dan berikut hasil uji Breusch-Pagan.
Tabel 4.4
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 1
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS
0.483185
0.489941
2.233682
Prob. F(1,108)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.4885
0.4840
0.1350
Sumber: Hasil Olah Software Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.489941 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
Universitas Sumatera Utara
57
Tabel 4.5
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 2
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS
0.218925
0.223447
0.242496
Prob. F(1,86)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.6410
0.6364
0.6224
Sumber : Hasil Olahan Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.223447 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
Tabel 4.6
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 3
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS
0.411484
0.419048
5.097613
Prob. F(1,86)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.5229
0.5174
0.0240
Sumber : Hasil Olahan Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.419048 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
4.2.3
Regresi Linear Sederhana
Untuk
mengetahui
bagaimana
pengaruh
kedua
variabel,
peneliti
menggunakan teknik analisis regresi linear sederhana. Analisis ini digunakan
untuk mempelajari bentuk hubungan yang ada diantara variabel-variabel yang
terlibat, sehingga dapat diketahui bagaimana variabel dependen dapat diprediksi
melalui variabel independen. Analisis ini juga dapat digunakan untuk
memutuskan apakah naik atau turunnya variabel dependen dapat dilakukan
Universitas Sumatera Utara
58
dengan menaikkan atau menurunkan variabel independen. Berdasarkan analisis
regresi sedederhana diperoleh gambaran sebagai berikut :
4.2.3.1 Model 1
Tabel 4.7
Pengujian Regresi Sederhana Model 1
Test Equation:
Dependent Variable: KinerjaKeuanga
Method: Least Squares
Date: 04/15/17 Time: 21:21
Sample: 1 110
Included observations: 110
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.028037
-0.002483
0.012908
0.003572
2.171996
-0.695115
0.0320
0.4885
R-squared
Adjusted Rsquared
F-statistic
Prob(F-statistic)
0.004454
Mean dependent var
0.020065
0.004764
0.483185
0.032076
S.D. dependent var
Durbin-Watson stat
0.061994
2.074413
Sumber : Hasil Olahan Eviews (2017)
4.2.3.2 Model 2
Tabel 4.8
Pengujian Regresi Sederhana Model 2
Dependent Variable: KinerjaKeuangan_MasaDepan
Method: Least Squares
Date: 04/15/17 Time: 02:31
Sample: 1 88
Included observations: 88
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.024780
0.639320
0.011985
0.045286
2.067556
14.11734
0.0417
0.0000
R-squared
Adjusted R-squared
F-statistic
Prob(F-statistic)
0.047353
0.036276
4.274789
0.041687
Mean dependent var
S.D. dependent var
Durbin-Watson stat
0.723181
0.192464
2.220183
Sumber : Hasil Olahan Eviews (2017)
Universitas Sumatera Utara
59
4.2.3.3 Model 3
Tabel 4.9
Pengujian Regresi Sederhana Model 3
Dependent Variable: KINERJA_MASADEPAN?
Method: Pooled Least Squares
Date: 04/02/17 Time: 01:19
Sample: 2011 2014
Included observations: 4
Cross-sections included: 22
Total pool (balanced) observations: 88
Variable
Coefficient
Std. Error
t-Statistic
Prob.
ROGIC?
C
-0.154938
725.7178
0.046887
21.13030
-3.304467
34.34489
0.0014
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.112666
0.102348
24.73718
52625.83
-406.1861
10.91950
0.001389
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
656.4393
26.10936
9.276957
9.333260
9.299640
1.799067
Sumber : Hasil Olahan Eviews 7.0 (2017)
4.2.4
Pengujian Hipotesis
4.2.4.1 Pengujian Hipotesis - Model 1
Uji hipotesis model 1 bertujuan untuk mengetahui pengaruh variabel bebas
X1 (Intellectual Capital), X2 (ROGIC), terhadap variabel terikat Y (Kinerja
Keuangan). Dari Tabel 4.7 dapat kita lihat uji serempak dan uji simultan nya,
yaitu :
1.
Uji Signifikansi Parsial (Uji t)
Uji Parsial dilakukan untuk melihat signifikansi pengaruh secara parsial
antara variabel independen yaitu. Pengujian ini dilakukan untuk mencari
Universitas Sumatera Utara
60
pengaruh paling besar diantara variabel independen terhadap variabel
dependen. Bentuk pengujiannya sebagai berikut:
1.
jika nilai probabilitas≤ 0,05 maka H
1
diterima H0 ditolak, artinya secara
parsial terdapat pengaruh yang signifikan.
2.
jika nilai probabilitas≥ 0,05 maka H
1
ditolak H0 diterima, artinya secara
parsial terdapat pengaruh yang tidak signifikan.
Tabel 4.10
Uji Signifikansi Parsial
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.028037
-0.002483
0.012908
0.003572
2.171996
-0.695115
0.0320
0.4885
Sumber : Hasil Olahan Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.10 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan. Hal ini terlihat dari nilai signifikasi 0.0320
< 0.05. . Dengan demikian H1 diterima dan H0 ditolak.
Dari Tabel 4.10 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan= -0.002483 + 0.028037 +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
berikut:
1.
2.
Konstanta sebesar −0.002483 artinya jika seluruh variabel independen
bernilai 0, maka Kinerja Keuangan sebesar −0.002483
Koefisien regresi Intellectual Capital (b1) sebesar 0.028037 artinya jika
Intellectual Capital mengalami penurunan sebesar 1% dan variabel lain
Universitas Sumatera Utara
61
dianggap konstan maka Kinerja Keuangan akan mengalami penurunan
sebesar 0.028037.
2. Uji Pengaruh Serempak (Uji F)
Uji F digunakan untuk menguji seberapa besar pengaruh secara simultan
variabel independen yaitu Intellectual Capital secara bersama terhadap variabel
dependen yaitu kinerja keuangan masa depan. H1 diterima apabila probabilitas F
lebih kecil dari 0,05 (F < 0,05). Berikut Tabel F statistik hasil perhitungan analisis
data panel.
Tabel 4.11
Uji Pengaruh Serempak
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.004454
0.004764
0.062141
0.417048
150.5437
0.483185
0.032076
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.020065
0.061994
-2.700795
-2.651695
-2.680879
2.074413
Sumber : Hasil Olahan Eviews (2017)
Pada Tabel 4.11 nilai statistik F dapat dilihat dari nilai probabilitas F sebesar
0.0320. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F < 0,05), maka
pengaruh variabel secara serempak dikatakan signifikan, H1 diterima dan H0
ditolak. Sehingga dapat disimpulkan bahwa Intellectual Capital berpengaruh
signifikan terhadap Kinerja Keuangan pada Kabupaten dan Kota di Provinsi
Sumatera Utara periode 2011-2015.
3.
Uji Determinasi R2
Koefisien determinasi (R2) digunakan untuk mengetahui kontribusi dari
seluruh variabel independen secara bersama-sama terhadap variabel dependen.
Universitas Sumatera Utara
62
Bila nilai R2 mendekati 0 maka pengaruh variabel independen terhadap dependen
semakin lemah. Sedangkan Bila nilai R2 mendekati 1 maka pengaruh variabel
independen terhadap dependen semakin kuat. Semakin tinggi nilai Adjusted R2
maka semakin tinggi pula kemampuan variabel independen menjelaskan variabel
dependen.
Tabel 4.11 memperlihatkan bahwa nilai Adjusted R-squared= 0.004764 ,
hal ini berarti besarnya pengaruh serentak (simultan) dari ketiga variabel bebas X1
(VACA), X2 (VAHU), dan X3 (STVA)
terhadap variabel terikat Y (Kinerja
Keuangan) adalah sebesar = 0.004764 x 100% = 0.047%. Dengan kata lain,
sebesar 0.047% kinerja keuangan dapat dijelaskan oleh X1 (Intellectual Capital)
pada Pemerintah Daerah Kabupaten dan Kota di Provinsi Sumatera Utara.
4.2.4.2 Pengujian Hipotesis - Model 2
1.
Uji Signifikansi Parsial (Uji t)
Tabel 4.12
Uji Signifikansi Parsial
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.024780
0.639320
0.011985
0.045286
2.067556
14.11734
0.0417
0.0000
Sumber : Hasil Olahan Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.12 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan Masa Depan. Hal ini terlihat dari nilai
signifikasi 0.0417 < 0.05. . Dengan demikian H1 dierima dan H0 ditolak.
Universitas Sumatera Utara
63
Dari Tabel 4.12 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan Masa Depan = 0.639320 + 0.024780 IC +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
berikut:
1.
Konstanta sebesar 0.639320 artinya jika seluruh variabel independen bernilai
0, maka Kinerja Keuangan Masa Depan sebesar 0.639320.
2.
Koefisien regresi Intellectual Capital (b1) sebesar artinya 0.024780 jika +
0.024780 mengalami kenaikan sebesar 1% dan variabel lain dianggap konstan
maka Kinerja Keuangan akan mengalami penurunan sebesar 0.024780
2.
Uji Pengaruh Serempak (Uji F)
Tabel 4.13
Uji Pengaruh Serempak (Uji F)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.047353
0.036276
0.188941
3.070077
22.78131
4.274789
0.041687
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.723181
0.192464
-0.472303
-0.415999
-0.449619
2.220183
Sumber : Hasil Olahan Eviews (2017)
Pada Tabel 4.13 nilai statistik F dapat dilihat dari nilai probabilitas F
sebesar 0.041687. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F <
0,05), maka pengaruh variabel secara serempak dikatakan signifikan H1 diterima
dan Ho ditolak. Sehingga dapat disimpulkan bahwa Intellectual Capital
berpengaruh signifikan terhadap Kinerja Keuangan Masa Depan pada Kabupaten
dan Kota di Provinsi Sumatera Utara periode 2011-2015.
Universitas Sumatera Utara
64
3. Uji Determinasi R2
Tabel 4.13 memperlihatkan bahwa nilai Adjusted R-squared= 0.036276 ,
hal ini berarti besarnya pengaruh serentak (simultan) dari ketiga variabel bebas X1
(VACA), X2 (VAHU), dan X3 (STVA) terhadap variabel terikat Y1 (ROA) adalah
sebesar 0.036276 x 100% = 3.62%. Dengan kata lain, sebesar 3.62% kinerja
keuangan masa depan dapat dijelaskan oleh X1 (Intellectual Capital) pada
Pemerintah Daerah Kabupaten/Kota di Pronvinsi Sumatera Utara.
METODE PENELITIAN
3.1
Jenis Penelitian
Jenis penelitian adalah penelitian asosiatif yang bertujuan untuk
mengetahui hubungan antara dua variabel atau lebih (Sugiyono, 2012, p. 14)
Penelitian ini dilakukan untuk mengetahui dan menganalisis pengaruh Intellctual
Capital yang diproyeksikan dengan Value Added Capital Employed (VACA),
Value Added Human Capital (VAHU) dan Structural Capital Value Added
(STVA) dan ROGIC (Rate og Growth of Intellectual Capital) terhadap kinerja
keuangan dan kinerja keuangan masa depan.
3.2 Tempat dan Waktu Penelitian
Tempat penelitian ini berasal dari data sekunder, yaitu laporan APBD dan
realisasi APBD Pemerintah Daerah di Indonesia yang telah dipublikasi di website
resmi Direktorat Jenderal Perimbangan Keuangan (DJPK) dengan situs resmi
www.djpk.go.id dan Badan Pusat Statistik Provinsi Sumatera Utara dengan situs
resmi www.bps.sumut.co.id. Waktu penelitian ini akan dilakukan dari bulan
Desember 2016 sampai dengan bulan April 2017.
3.3
Batasan Operasional
Variabel yang digunakan dalam penelitian ini adalah variabel terikat
(dependent variable) dan variabel bebas (independent variable). Variabel terikat
dalam penelitian ini adalah kinerja keuangan yang dinilai dari rasio kemandirian,
rasio efektivitas, rasio desentralisasi fiskal, dan rasio pertumbuhan. Variabel bebas
dalam penelitian ini adalah Intellectual Capital yang terdiri dari Value Added
28
Universitas Sumatera Utara
29
Capital Employed (VACA), Value Added Human Capital (VAHU) dan Structural
Capital Value Added (STVA) yang diproyeksikan dengan Value Added
Intellectual Coefficient (VAICTM) dan ROGIC (Rate of Growth of Intellectual
Capital) yaitu merupakan selisih IC tahun ke-t dengan IC tahun ke-t-1.
Objek penelitian pada penelitian ini, yaitu pemerintah Kabupaten/Kota di
Sumatera Utara. Data penelitian yang digunakan pada penelitian ini diperoleh dari
laporan APBD dan realisasi APBD Pemerintah Daerah Kabupaten/Kota Sumatera
Utara dalam kurun waktut lima tahun, yaitu dimulai dari tahun 2011 sampai
dengan tahun 2015 yang dipublikasikan melalui website resmi Direktorat Jenderal
Perimbangan Keuangan ( DPJK), yaitu www.djpk.go.id dan Badan Pusat Statistik
Provinsi Sumatera Utara dengan situs resmi www.bps.sumut.co.id.
3.4 Definisi Operasional Variabel
Tabel 3.1
Definisi Operasional Variabel
Variabel
Intellectual
Capital (X1)
Definisi
Intellectual capital terdiri
dari :
1. Value Added Capital
Employed VACA (X1)
merupakan rasio yang
menunjukkan
kontribusi
yang dibuat oleh setiap
unit dari physical capital
(CA)
terhadap
value
added .
2. Value Added
Human Capital (VAHU)
(X2)
merupakan
indikator
yang
menunjukkan seberapa
banyak nilai tambah
(value
added)
yang
dapat
diperoleh
perusahaan dari dana
yang dikeluarkan untuk
Pengukuran
����� �����
VACA =
������� ��������
Skala
Ukur
Rasio
VA (Value Added)= Total
pendapatan – Biaya-biaya
(kecuali biaya pegawai)
CA (Capital Employed)= Dana
yang tersedia (laba bersih ,
ekuitas)
VAHU =
����� �����
����� �������
Universitas Sumatera Utara
30
Lanjutan Tabel 3.1
Variabel
Definisi
untuk karyawan atau
tenaga kerja
Capital
3. Structural
Value Added (STVA)
(X3). Rasio dari SC
terhadap
VA. Ini
menunjukkan
jumlah
SC yang dibutuhkan
untuk menghasilkan 1
rupiah dari VA dan
merupakan
indikasi
bagaimana SC dalam
penciptaan nilai.
Skala
Ukur
Pengukuran
Rasio
VA (Value Added)= Total pendapatan
– Biaya-biaya (kecuali biaya pegawai)
HC
(Human
Capital)=
Biaya
Pegawai
STVA =
���������� �������
����� �����
SC (Structural Capital)= VA – HC
VA (Value Added)= Total pendapatan
– Biaya-biaya (kecuali
biaya
pegawai)
ROGIC (Rate
of Growth of
Intellectual
Capital)
(X2)
Merupakan selisih IC tahun
ke-t dengan IC tahun ke-t1. Asumsi yang mendasari
perhitungan ROGIC adalah
jika
IC
mempengaruhi
kinerja keuangan masa
depan maka logikanya
rata-rata pertumbuhan IC
(rate
of
growth
of
intellectual capital) juga
akan
mempunyai
pengaruh dengan kinerja
keuangan masa depan
.
Rasio
ROGIC= VAICt – VAICt-1
Universitas Sumatera Utara
31
Lanjutan Tabel 6.1
Variabel
Definisi
Kinerja
Keuangan
Daerah (Y1) dan
Kinerja
Keuangan
Daerah
Masa
Depan (Y2)
Rasio yang dalam
mengukur
kinerja
keuangan
daerah
yang
digunakan
dalam penelitian ini,
yaitu :
Rasio
efektivitas
menggambarkan
kemampuan pemda
dalam merealisasikan
PAD
yang
direncanakan
dibandingkan dengan
target
yang
ditetapkan
berdasarkan potensi
riil daerah
.
Pengukuran
Skala Ukur
Rasio
RASIO EFEKTIVITAS
Realisasi Pendapatan Asli Daerah
(PAD)
Target Penerimaan Pendapatan
Asli Daerah yang ditetapkan
berdasarkan pada Potensi
Riil Daerah
Kinerja
keuangan
masa depan adalah
prediksi
kinerja
keuangan
daerah
untuk tahun
yang
akan datang.
3.5
Populasi dan Sampel Penelitian
3.5.1
Populasi
Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek
yang menjadi kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2012, p. 115).
Populasi dalam penelitian ini adalah seluruh Pemerintah Kabupaten/Kota
di
Provinsi Sumatera Utara selama berjumlah 33, terdiri dari 25 Kabupaten dan 8
Kota. Penelitian
ini menggunakan data sekunder dari laporan APBD dan
Realisasi APBD Pemerintah Kabupaten/Kota yang telah diaudit oleh DJPK untuk
tahun anggaran 2011-2015 dan telah dipublikasikan dalam website resmi DJPK
Universitas Sumatera Utara
32
(www.djpk.go.id) dan dan Badan Pusat Statistik Provinsi Sumatera Utara dengan
situs resmi www.bps.sumut.co.id.
3.5.2 Sampel
Sampel adalah bagian dari jumlah atau karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2012, p. 116). Dalam penelitian ini digunakan
metode populasi sasaran. Metode populasi sasaran adalah metode pemilihan
sampel dengan mempertimbangkan kriteria tertentu, menurut ciri-ciri khusus yang
dimiliki oleh populasi tersebut. Kriteria yang ditentukan dalam pemilihan sampel
adalah kabupaten dan kota Provinsi Sumatera Utara yang mempublikasikan
Laporan Realisasi APBD dalam situs Departemen Keuangan Republik Indonesia
Direktorat Jenderal Perimbangan Keuangan (www.djpk.depkeu.go.id), dan Badan
Pusat Statistik (www.bps.co.id)
Berdasarkan kriteria di atas, maka jumlah sampel yang digunakan dalam
penelitian ini adalah sebanyak 22 kabupaten/kota. Berikut merupakan Tabel 3.2
yang menyajikan kriteria pengambilan sampel serta jumlah sampel yang
memenuhi kriteria untuk digunakan dalam penelitian.
Tabel 3.2
Kriteria Pengambilan Sampel
No
1
Kriteria Pemilihan
Kabupaten dan Kota yang ada di Provinsi Sumatera
Utara selama periode 2011-2015
2
Kabupaten dan kota Provinsi Sumatera Utara yang
tidak mempublikasikan Laporan Realisasi APBD
periode 2010-2014 dalam situs Departemen
Keuangan Republik Indonesia Direktorat Jenderal
Perimbangan Keuangan
(www.djpk.depkeu.go.id) dan Badan Pusat Statistik
TOTAL SAMPEL
Jumlah Sampel
33
(11)
22
Universitas Sumatera Utara
33
Berdasarkan Tabel 3.2 diatas mengenai kriteria sampel penelitian, dapat
dilihat bahwa terdapat 11 kabupaten/kota yang tidak yang tidak mempublikasikan
Laporan Realisasi APBD secara lengkap selama periode 2011-2015 sesuai kriteria
yang ditetapkan oleh peneliti maka jumlah sampel yang digunakan dalam
penelitian ini adalah sebanyak 22 kabupaten/kota. Sampel yang akan digunakan
dalam penelitian ini disajikan dalam Tabel 3.3 berikut :
Tabel 3.3
Sampel Penelitian
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Nama Kabupaen/Kota
Kabupaten Asahan
Kabupaten Dairi
Kabupaten Deli Serdang
Kabupaten Tapanuli Tengah
Kabupaten Mandailing Natal
Kabupaten Simalungun
Kabupaten Tapanuli Selatan
Kabupaten Padang Lawas
Kabupaten Humbang Hasundutan
Kabupaten Samosir
Kabupaten Tanah Karo
Kabupaten Labuhan Batu
Kabupaten Toba Samosir
Kabupaten Pakpak Barat
Kota Medan
Kabupaten Labuhan Batu Utara
Kota Padangsidempuan
Kota Pematang Siantar
Kota Sibolga
Kota Tanjung Balai
Kota Binjai
Kabupaten Labuhan Batu Selatan
Sumber: Direktorat Jenderal Perimbangan Keuangan (www.djpk.go.id)
3.6
Jenis Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif,
yaitu data yang berwujud angka-angka (Ridwan, 2010, p. 106). Sumber data yang
digunakan adalah data sekunder. Data tersebut diperoleh dari buku-buku referensi,
literatur ilmiah lainnya yang berkaitan dengan topik pembahasan penelitian dan
diperoleh dari laporan APBD dan Realisasi APBD tahunan Kabupaten/Kota di
Universitas Sumatera Utara
34
Sumatera Utara tahun 2011-2015 melalui webite resmi Direktorat Jenderal
Perimbangan Keuangan (DJPK) di www.djpk.go.id dan Badan Pusat Statistik
Provinsi Sumatera Utara dengan situs resmi www.bps.sumut.co.id.
3.7 Metode Pengumpulan Data
Metode pengumpulan data pada penelitian ini adalah studi dokumentasi.
Studi
dokumentasi
merupakan
teknik
pengumpulan
data
dengan
cara
mengumpulkan dan mempelajari data dari buku-buku, jurnal penelitian, majalah
dan internet yang memiliki relevan dengan penelitian.
3.8 Teknik Analisis Data
Data-data yang diperoleh akan diolah menggunakan program software
Eviews dengan menggunakan alat statistik deskriptif dan regresi linear sederhana
yang terdiri dari dua variabel dependen (Y1 dan Y2) dan dua variabel independen
(X1 dan X2).
3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi mengenai suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum
(Gozali, 2009). Statistik deskriptif digunakan untuk memberikan gambaran variabel
intellectual capital dan kinerja keuangan.
3.8.2 Analisis Regresi Linear Sederhana
Untuk
mengetahui bagaimana
pengaruh kedua
variabel,
peneliti
menggunakan teknik analisis regresi linear sederhana. Analisis ini digunakan
untuk mempelajari bentuk hubungan yang ada diantara variabel-variabel yang
terlibat, sehingga dapat diketahui bagaimana variabel dependen dapat diprediksi
Universitas Sumatera Utara
35
melalui variabel independen. Analisis ini juga dapat digunakan untuk
memutuskan apakah naik atau turunnya variabel dependen dapat dilakukan
dengan menaikkan atau menurunkan variabel independen. Persamaan umum
analisis regresi linear sederhana menurut (Sugiyono, 2012, p. 188) adalah sebagai
berikut :
Y1 = a + bX1
Y2 = a + bX1
Y3 = a + bX2
Model persamaan pada penelitian ini adalah regresi sederhana. Model
persamaannya adalah sebagai berikut:
Y1
= a + b1X1it + e + ……………(1)
Y2 (Yt+1)
= a + b1X1it+ e + ……………(2)
Y3 (Yt+1)
= a+ b2X2it +e + …………….(3)
Keterangan:
Y1
= Kinerja Keuangan
Y2 dan Y3
= Kinerja Keuangan Masa Depan
a
= Konstanta.
b1, b2,
= Koefisien regresi variabel independen.
X1
= Intellectual Capital
X2
= ROGIC (Rate of Growth of Intellectual Capital)
e
= error term
i
= Kabupaten dan Kota
t
= Waktu
Universitas Sumatera Utara
36
3.9
Pengujian Asumsi Klasik
Dengan menggunakan analisis regresi, maka ada beberapa uji asumsi yang
harus dipenuhi agar persamaan regresi dalam penelitian valid dan layak untuk
digunakan. Uji asumsi tersebut disebut dengan uji asumsi klasik.
3.9.1 Uji Multikolinearitas
Menurut (Ghozali, 2012) “uji multikolinearitas bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar variabel bebas
(independen)”. Kemiripan antar variabel independen dalam satu model akan
menyebabkan korelasi sangat kuat antar variabel independen dengan variabel
independen lain. Model regresi yang baik seharusnya tidak terjadi korelasi di
antara variabel independen.
Salah satu cara untuk mendeteksi multikolinearitas dapat dilihat dari nilai
tolerance dan variance inflation factor (VIF). Tolerance mengukur variabel
independen yang terpilih dan tidak dijelaskan oleh variabel independen lainnya.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas
adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10.
Jika nilai tolerance < 0,10 atau nilai VIF > 10 maka mengindikasikan
terjadinya multikolinearitas, sebaliknya jika nilai tolerance > 0,10 atau nilai VIF <
10 maka mengindikasikan tidak terjadi multikolinearitas.
3.9.2 Uji Autokorelasi
Menurut Ghozali (2012:110) ”uji autokorelasi bertujuan menguji apakah
dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 (sebelumnya)”. Jika terjadi korelasi,
Universitas Sumatera Utara
37
maka dinamakan ada problem autokolerasi. Model regresi yang baik adalah
regresi yang bebas dari autokorelasi. Untuk mendeteksi ada tidaknya autokolerasi,
digunakan metode uji Durbin-Watson (DW). Dasar pengambilan keputusan ada
tidaknya autokolerasi dengan menggunakan nilai uji Durbin-Watson yaitu nilai
statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3
diindikasi terjadi autokorelasi (Field, 2009, pp. 220-221).
3.9.3 Uji Heteroskedastisitas
Menurut (Gozali, Aplikasi Analisis Multivariate dengan Program IBM
SPSS 20, 2012, p. 139) “uji heteroskedastisitas bertujuan menguji apakah dalam
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain”. Jika varians dari residual dari suatu pengamatan
kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika varians
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah jika
homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada
tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar
Scatterplot model tersebut. Dasar analisis yang dapat digunakan untuk
menentukan heteroskedastisitas, antara lain sebagai berikut:
1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola
tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka
mengindikasikan telah terjadi heteroskedastisitas,
2.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau
terjadi homoskedastisitas.
Universitas Sumatera Utara
38
3.10 Pengujian Hipotesis
3.10.1 Koefisien Determinasi (R2)
Koefisien determinasi adalah koefisien nilai yang menunjukan besarnya
variasi variabel terikat (dependent variable) yang dipengaruhi oleh variasi
variabel bebas (independent variable). Pengukuran besarnya persentase kebenaran
dari uji regresi tersebutu dapat dilihat melalui nilai koefisien determinasi multiple
R2 (koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan
oleh variabel bebas). Apabila nilai R2 suatu regresi (mendekati satu), maka
semakin baik regresi tersebut dan semakin mendekati nol, maka variabel
independen secara keseluruhan tidak bisa menjelaskan variabel dependen.
Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh faktorfaktor yang ditimbulkan oleh variabel bebas terhadap variabel terikat.
3.10.2 Uji-F (Uji Serempak)
Uji-F menunjukkan apakah semua variabel independen atau bebas yang
dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel dependen (terikat).
H0:b1=b2=b3=b4=0, artinya secara bersama-sama variabel bebas (VACA, VAHU,
STVA, ROGIC) berpengaruh tidak signifikan terhadap variabel terikat (Kinerja
Keuangan dan Kinerja Keuangan Masa Depan)
H1:b1≠b2≠b3=b4=0, artinya secara bersama-sama variabel bebas (VACA, VAHU,
STVA, ROGIC) berpengaruh signifikan terhadap variabel terikat (Kinerja
Keuangan dan Kinerja Keuangan Masa Depan)
Kriteria pengambilan keputusan:
Universitas Sumatera Utara
39
H0 diterima jika Fhitung ≤ Ftabel pada α = 5%
H1 diterima jika Fhitung > Ftabel pada α = 5% .
3.10.3 Uji-t (Uji Signifikansi Parsial)
Uji ini digunakan untuk mengetahui pengaruh satu variabel independen
secara parsial terhadap variabel dependen. Bentuk pengujiannya adalah sebagai
berikut :
H0:bi= 0, artinya secara parsial variabel bebas (Intellectual Capital dan ROGIC)
berpengaruh tidak signifikan terhadap variabel terikat (Kinerja Keuangan dan
Kinerja Keuangan Masa Depan).
H1:bi ≠ 0, artinya secara parsial variabel bebas (Intellectual Capital dan ROGIC)
berpengaruh signifikan terhadap variabel terikat (Kinerja Keuangan dan Kinerja
Keuangan Masa Depan).
Pengujian menggunakan uji-t dengan tingkat pengujian pada α =5%
derajat kebebasan (degree of freedom) atau df= (n-k).
Kriteria pengambilan keputusan:
H0 diterima jika t-tabel ≤ t-hitung ≤ t-tabel pada α= 5%
H1 diterima jika t-hitung > t-tabel dasn t-hitung ≤ t-tabel pada α= 5%
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1
Gambaran Umum Objek Penelitian
Wilayah Provinsi Sumatera Utara sebagian besar berada di daratan Pulau
Sumatera, selebihnya berada di kepulauan yang meliputi Pulau Nias, Kepulauan
Batu-batu, serta pulau-pulau kecil lainnya di bagian barat dan timur Pulau
Sumatera. Berdasarkan letak geografis, Provinsi Sumatera Utar berada di bagian
barat Indonesia, dengan letak astronomis berada pada garis 1°-4° Lintang Utara
dan 98°-100° Bujur Timur. Provinsi Sumatera Utara terbagi menjadi 25 kabupaten
dan 8 kota yang terdiri dari 440 kecamaatan dan 6.008 desa/kelurahan, dengan
luas daratan mencapai 72.981,23 km2. Kabupaten Langkat memiliki wilayah
terluas di Sumatera Utara yaitu 6.262,00 km2, atau sekitar 8,40 persen. Kabupaten
Mandailing Natal memiliki luas wilayah terbesar kedua yaitu sebesar 6.134,00
km2. Sedangkan luas daerah terkecil yaitu Kota Tebing Tinggi yaitu 31,00 km2,
atau sekitar 0,04 persen dari total luas daratan Sumatera Utara.
Dalam penelitian ini mengambil sampel penelitian hanya pada
kota/kabupaten yang ada di provinsi Sumatera Utara. Terdiri dari 22 daerah
kota/kabupaten. Berikut ini gambaran umum objek peneltian adalah sebagai
berikut :
1.
Kabupaten Asahan
Berdasarkan keputusan DPRD-GR Tk. II Asahan No. 3/DPR-GR/1963
Tanggal 16 Pebruari 1963 diusulkan ibukota Kabupaten Asahan dipindahkan
dari Kotamadya Tanjung Balai ke kota Kisaran dengan alasan supaya
40
Universitas Sumatera Utara
41
Kotamadya Tanjung Balai lebih dapat mengembangkan diri dan juga letak
Kota Kisaran lebih strategis untuk wilayah Asahan. Hal ini baru teralisasi
pada tanggal 20 Mei 1968 yang diperkuat dengan peraturan pemerintah
Nomor 19 Tahun 1980,Lembaran Negara Tahun 1980 Nomor 28,Tambahan
Negara Nomor 3166.Pada tahun 1982, Kota Kisaran ditetapkan menjadi Kota
Administratif berdasarkan Peraturan Pemerintah Nomor 17 Tahun 1982,
Lembaran Negara Nomor 26 Tahun 1982.
2.
Kabupaten Deli Serdang
Kabupaten Deli Serdang sebagai bagian dari wilayah pantai timur Provinsi
Sumatera Utara terletak diantara 20 57 Lintang Utara dan 30 16 Lintang
Selatan dan 98033-99027 Bujur Timur dengan luas wilayah 2.497.72km2
atau 3,48% luas Propinsi Sumatera Utara. Sesuai dengan dikeluarkan UU
Nomor 36 Tahun 2003 tanggal 18 Desember 2003, Kabupaten Deli Serdang
telah dimekarkan menjadi dua wilayah yakni Kabupaten Deli Serdang dan
Kabupaten Serdang Bedagai, secara administratif Pemerintah Kabupaten Deli
Serdang kini terdiri atas 22 Kecamatan yang di dalamnya terdapat 14
Kelurahan dan 380 Desa.
3.
Kabupaten Dairi
Mengawali berlakunya Otonomi Daerah Kabupaten Dairi telah diresmikan
secara definitive pembentukan 2 (dua) kecamatan baru tersebut yaitu
Kecamatan Lae Parira yang diresmikan Bupati Dairi pada tanggal 13 Pebruari
2001 di Lae Parira (ibukota Kecamatan Lae Parira) dan Kecamatan Sitellu
Tali Urang Jehe, yang diresmikan pada tanggal 15 Pebruari 2001 di Sibande
Universitas Sumatera Utara
42
(ibukota Kecamatan Sitellu Tali Urang Jehe). Wilayah Kabupaten Dairi
terbagi atas : 15 Kecamatan, 8 kelurahan dan 161 desa.
4.
Kabupaten Mandailing Natal
Mandailing Natal juga sering disebut dengan Madina adalah sebuah
kabupaten di Provinsi Sumatera Utara, Indonesia. Dibentuk berdasarkan
Undang-undang Nomor 12 tahun 1998, secara formal diresmikan oleh
Menteri Dalam Negeri pada tanggal 9 Maret 1999. Kabupaten yang berlbukota di Panyabungan ini terdiri dari 23 Kecamatan dan 407 desa/
kelurahan. Luas wilayah Kabupaten Mandailing Natal adalah 662.070 ha atau
9,24% dari wilayah Provinsi Sumatera Utara. Wilayah kecamatan yang
terluas adalah Kecamatan Muara Batang Gadis, yakni 143.502 ha (21,67%)
sedangkan wilayah yang terkecil yaitu Kecamatan Lembah Sorik Merapi
seluas 3.472,57 ha (0,52%).
5.
Kabupaten Tanah Karo
Secara Geografis letak Kabupaten Karo berada diantara 2º50’–3º19’ Lintang
Utara dan 97º55’–98º38’ Bujur Timur dengan luas 2.127,25 Km2 atau 2,97
persen dari luas Propinsi Sumatera Utara. Tanah Karo terbentuk sebagai
Kabupaten Daerah Tingkat II setelah melalui proses yang sangat panjang dan
dalam perjalanan sejarahnya Kabupaten ini telah mengalami perubahan mulai
dari zaman penjajahan Belanda, zaman penjajahan Jepang hingga zaman
kemerdekaan.
Universitas Sumatera Utara
43
6.
Kabupaten Simalungun
Kabupaten Simalungun terletak antara 2,36° – 3,18° LU dan 98,32° – 99,35°
BT, berada pada ketinggian 20 – 1.400 m diatas permukaan laut. Kabupaten
Simalungun dengan luas 4.386,60 Km² atau 6,12% dari luas wilayah Propinsi
Sumatera Utara terdiri dari 31 Kecamatan, 343 desa /nagori dan 24 Kelurahan
dengan jarak rata-rata ibukota kecamatan ke ibukota kabupaten antara 13 km
s/d 97 km.
7.
Kabupaten Tapanuli Selatan
Kabupaten Tapanuli Selatan adalah sebuah kabupaten di Sumatera Utara,
Indonesia. Ibu kotanya ialah Sipirok. Kabupaten ini awalnya merupakan
kabupaten yang amat besar dan beribukota di Padang Sidempuan. Daerahdaerah yang telah berpisah dari Kabupaten Tapanuli Selatan adalah
Mandailing Natal, Kota Padang Sidempuan, Padang Lawas Utara dan Padang
Lawas Selatan. Setelah pemekaran, ibukota kabupaten ini pindah ke Sipirok.
Kabupaten Tapanuli Selatan terdiri dari 14 kecamatan.
8. Kabupaten Tapanuli Tengah
Kabupaten Tapanuli Tengah adalah salah satu kabupaten di Provinsi
Sumatera Utara yang terletak di Kawasan Barat Pulau Sumatera, dengan
wilayah sebagian merupakan pulau-pulau kecil di Samudera Hindia. Ibukota
Kabupaten Tapanuli Tengah adalah Pandan. Kabupaten Tapanuli Tengah
terdiri atas 20 (dua puluh) kecamatan, 30 (tiga puluh) kelurahan dan 147
(seratus empat puluh tujuh) desa. Berdasarkan Peraturan Daerah Kabupaten
Universitas Sumatera Utara
44
Tapanuli Tengah Nomor 19 Tahun 2007 maka ditetapkan Hari Jadi
Kabupaten Tapanuli Tengah adalah tanggal 24 Agustus 1945.
9.
Kabupaten Tapanuli Utara
Jumlah kecamatan di Kabupaten Tapanuli Utara menjadi 15 kecamatan.
Kecamatan yang masih tetap dalam Kabupaten Tapanuli Utara yaitu
Kecamatan Parmonangan, Kecamatan Adiankoting, Kecamatan Sipoholon,
Kecamatan Tarutung, Kecamatan Siata Barita, Kecamatan Pahae Jae,
Kecamatan Purbatua, Kecamatan Simangumban, Kecamatan Pahae Julu,
Kecamatan
Pangaribuan,
Kecamatan
Garoga,
Kecamatan
Sipahutar,
Kecamatan Siborong-Borong, Kecamatan Pagaran, Kecamatan Muara.
10. Kabupaten Humbang Hasundutan
Luas Kabupaten Humbang Hasundutan adalah 251.765,93 Ha. Terdiri dari 10
(sepuluh) Kecamatan, 153 (seratus lima puluh tiga) Desa dan 1 (satu)
Kelurahan, yaitu Kecamatan Pakkat, Kecamatan Onanganjang, Kecamatan
Sijamapolang, Kecamatan Lintongnihuta, Kecamatan Paranginan, Kecamatan
Doloksanggul, Kecamatan Pollung, Kecamatan Parlilitan, Kecamatan
Tarabintang dan Kecamatan Baktiraja.. Kabupaten Humbang Hasundutan
diresmikan oleh Menteri Dalam Negeri RI pada 28 Juli 2003.
11. Kabupaten Samosir
Kabupaten Samosir adalah kabupaten yang baru dimekarkan dari Kabupaten
Toba Samosir sesuai dengan UU RI Nomor 36 Tahun 2003 pada tanggal 18
Desember 2003 tentang Pembentukan Kabupaten Samosir dan Kabupaten
Serdang Bedagai. Kabupaten Samosir terdiri dari 9 kecamatan; 6 kecamatan
Universitas Sumatera Utara
45
berada di Pulau Samosir, dan 3 kecamatan di daerah lingkar luar Danau Toba
tepat pada punggung pegunungan Bukit Barisan.
12. Kabupaten Labuhan Batu
Kabupaten Labuhan Batu adalah salah satu kabupaten yang ada di provinsi
Sumatera Utara, Indonesia. Ibu kota kabupaten ini terletak di Rantau Prapat.
Sejak 24 Juni 2008, jumlah kecamatan di kabupaten Labuhanbatu berkurang
dengan adanya pemekaran dari kabupaten ini, yaitu melalui pembentukan
Kabupaten Labuhanbatu Utara dan Kabupaten Labuhanbatu Selatan. Dengan
dibentuknya Kabupaten Labuhanbatu Utara dan Kabupaten Labuhanbatu
Selatan, maka jumlah kecamatan di kabupaten ini menjadi 9 kecamatan.
13. Kabupaten Toba Samosir
Kabupaten ini dibentuk berdasarkan Undang-Undang Nomor 12 Tahun 1998
tentang pembentukan Kabupaten Daerah Tingkat II Toba Samosir dan
Kabupaten Mandailing Natal, di Provinsi Daerah Tingkat I Sumatera Utara.
Kabupaten Toba Samosir ini merupakan pemekaran dari daerah tingkat II
Kabupaten Tapanuli Utara. Wilayah administrasi Kabupaten Toba Samosir
pada tahun 2013 terdiri dari 16 kecamatan dengan 244 desa/kelurahan, yaitu
231 desa dan 13 kelurahan. Kecamatan Balige merupakan kecamatan dengan
jumlah desa/kelurahan terbanyak, yaitu 35 desa/kelurahan. Sedangkan
Kecamatan Tampahan merupakan kecamatan dengan jumlah desa/kelurahan
yang paling sedikit, yaitu hanya 6 desa.
Universitas Sumatera Utara
46
14.
Kota Binjai
Binjai adalah salah satu kota (dahulu daerah tingkat II berstatus kotamadya)
dalam wilayah provinsi Sumatera Utara, Indonesia. Binjai terletak 22 km di
sebelah barat ibukota provinsi Sumatera Utara, Medan. Sebelum berstatus
kotamadya, Binjai adalah ibukota Kabupaten Langkat yang kemudian
dipindahkan ke Stabat. Binjai berbatasan langsung dengan Kabupaten
Langkat di sebelah barat dan utara serta Kabupaten Deli Serdang di sebelah
timur dan selatan.
15. Kota Medan
Luas Kota Medan adalah sekitar 26.510 hektar atau setara dengan 265,10
km². Dengan kata lain, Kota Medan memiliki wilayah 3,6% dari keseluruhan
Sumatera Utara. Kota Medan dipimpin oleh seorang walikota. Secara
administratif, Medan terdiri atas 151 kelurahan dan 21 kecamatan.
16. Kota Padangsidimpuan
Sejak tanggal 21 Juni 2001, berdasarkan Undang-undang Nomor 4 Tahun
2001, Kota Padang Sidimpuan ditetapkan sebagai Daerah Otonom dan
merupakan hasil penggabungan dari Kecamatan Padang Sidimpuan Utara,
Kecamatan Padang Sidimpuan Selatan, Kecamatan Padang Sidimpuan
Batunadua, Kecamatan Padang Sidimpuan Hutaimbaru, dan Kecamatan
Padang Sidimpuan Tenggara yang sebelumnya masuk wilayah Kabupaten
Tapanuli Selatan.
Universitas Sumatera Utara
47
17. Kota Pematang Siantar
Kota Pematangsiantar (sering disingkat Siantar saja) adalah salah satu kota di
Provinsi Sumatera Utara, dan kota terbesar kedua di Provinsi tersebut setelah
Medan. Karena letak Pematangsiantar yang strategis, ia dilintasi oleh Jalan
Raya Lintas Sumatera. Kota ini memiliki luas wilayah 79,97 km2 dan
berpenduduk sebanyak 240.787 jiwa (2010). Berdasarkan UU No.1/ 1957
berubah menjadi Kota Praja Penuh dan dengan keluarnya Undang-undang
No.18/ 1965 berubah menjadi Kota, dan dengan keluarnya Undang-undang
No. 5/ 1974 tentang-Pokok-pokok Pemerintahan di Daerah berubah menjadi
Kota Daerah Tingkat II Pematangsiantar sampai sekarang.
18. Kota Sibolga
Kota ini hanya memiliki luas ±10,77 km² dan berpenduduk sekitar 84.481
jiwa. Pada masa Hindia Belanda kota ini pernah menjadi ibu kota Residentie
Tapanuli. Setelah masa kemerdekaan hingga tahun 1998, Sibolga menjadi
kotamadya Sibolga.Undang-Undang Nomor: 18 tahun 1956 Daerah
Swatantra Tingkat II Kotapraja Sibolga diganti sebutannya menjadi Daerah
Tingkat II Kota Sibolga yang pengaturannya selanjutnya ditentukan oleh
Undang-Undang Nomor 5 Tahun 1974 tentang Pokok-Pokok Pemerintahan
Daerah yang dipimpin oleh Walikota sebagai Kepala Daerah. Kemudian
hingga sekarang Sibolga merupakan Daerah Otonom Tingkat II yang
dipimpin oleh Walikota Kepala Daerah.
Universitas Sumatera Utara
48
19. Kota Tanjung Balai
Sejak kemerdekaan Republik Indonesia, keberadaan Kota Tanjungbalai
sebagai daerah otonom ditetapkan berdasarkan Undang – Undang Nomor 9
Darurat Tahun 1956 (LN Tahun 1956 Nomor 60, TLN Nomor 1092) tentang
Pembentukan Daerah Otonom Kota – Kota Kecil dalam Lingkungan Daerah
Provinsi Sumatera Utara, nama Gementee Tanjungbalai diganti dengan Kota
Kecil Tanjungbalai. Sebelum Kota Tanjungbalai diperluas dari hanya 199 ha
(2 km²) menjadi 60,52 km², kota ini pernah menjadi kota terpadat di Asia
Tenggara dengan jumlah penduduk lebih kurang 40.000 orang dengan
kepadatan penduduk lebih kurang 20.000 jiwa per km². Akhirnya Kota
Tanjungbalai diperluas menjadi ± 60 Km² dengan terbitnya Peraturan
Pemerintah Republik Indonesia No. 20 Tahun 1987, tentang perubahan batas
wilayah Kota Tanjungbalai dan Kabupaten Asahan.
20. Kabupaten Padanglawas
Kabupaten Padang Lawas adalah kabupaten di Provinsi Sumatera Utara,
Indonesia,
yakni
hasil
pemekaran
dari
Kabupaten
Tapanuli
Selatan.Kabupaten ini resmi berdiri sejak diundangkannya Undang-Undang
Republik Indonesia Nomor: 38 Tahun 2007, tepatnya pada tanggal 10
Agustus 2007, bersamaan dengan dibentuknya Kabupaten Padang Lawas
Utara, menyusul RUU yang disetujui pada 17 Juli 2007. Ibukota kabupaten
ini adalah Sibuhuan.
Universitas Sumatera Utara
49
21. Kabupaten Labuhan Batu Selatan
Kabupaten Labuhanbatu Selatan (Labusel) yang beribukota di Kota Pinang,
Kota Pinang adalah kabupaten yang baru dimekarkan dari Kabupaten
Labuhanbatu sesuai dengan Undang-Undang Nomor 22 Tahun 2008 pada 24
Juni 2008 tentang Pembentukan Kabupaten Labuhanbatu Selatan, semasa
pemerintahan Presiden Susilo Bambang Yudhoyono.
22. Kabupaten Labuhan Batu Utara
Kabupaten Labuhanbatu Utara adalah kabupaten yang baru dimekarkan dari
Kabupaten Labuhanbatu sesuai dengan Undang-Undang Nomor 23 Tahun
2008 pada 24 Juni 2008 tentang Pembentukan Kabupaten Labuhanbatu Utara,
semasa pemerintahan Presiden Susilo Bambang Yudhoyono. Ibu kota
kabupaten ini terletak di Aek Kanopan.
4.2
Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu
data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata (mean), dan
nilai standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam
perhitungan statistik deskriptif adalah Intellectual Capital, ROGIC, dan kinerja
kuangan masa sekarang. Berdasarkan analisis statistik deskriptif diperoleh
gambaran sampel sebagai berikut.
Universitas Sumatera Utara
50
Tabel 4.1
Statistik Deskriptif dari Intellectual Capital
ROGIC, dan Kinerja Keuangan
Mean
Median
Maximum
Minimum
Std. Dev.
Observations
KINERJAKEUA
NGAN
0.612023
0.602484
7.122306
0.027132
0.671640
110
IC
8.983063
11.96630
390.3027
-339.7235
86.26625
110
ROGIC
17.94002
13.32006
526.1157
-543.2194
111.3281
110
Sumber: Hasil Olah software Eviews (2017)
4.2.1.1 Variabel Independen
1.
Intellectual Capital
Tabel 4.1 memperlihatkan bahwa nilai rata-rata Intellectual Capital adalah
8.983063 dengan standar deviasi 86.26625. Nilai terendah (minimum)
Intellectual Capital adalah -339.7235 yang dimiliki oleh Kabupaten Tapanuli
Utara pada tahun 2015 dan nilai tertinggi (maximum) adalah 390.3027
sebesar
yang dimiliki oleh Kabupaten Toba Samosir pada tahun 2012
(Data terlampir).
2.
Rate of Growth of Intellectual Capital (ROGIC)
Tabel 4.1 memperlihatkan bahwa nilai rata-rata adalah Rate of Growth of
Intellectual Capital (ROGIC)
adalah
17.94002 dengan standar deviasi
111.3281. Nilai terendah (minimum) ROGIC adalah -543.2194 yang dimiliki
oleh Kabupeten Deli Serdang
pada tahun 2014 dan nilai tertinggi
(maximum) (ROGIC) 526.1157 adalah sebesar
yang dimiliki oleh
Kabupaten Deli Serdang tahun 2015 (Data terlampir).
Universitas Sumatera Utara
51
4.2.1.2 Variabel Dependen
Tabel 4.1 memperlihatkan bahwa nilai rata-rata Kinerja Keuangan adalah
0.612023 dengan standar deviasi 0.671640 . Nilai terendah (minimum) adalah
0.027132 yang dimiliki oleh Kabupaten Tapanuli Utara pada tahun 2015 dan nilai
tertinggi (maximum) 7.122306 sebesar yang dimiliki oleh Kabupaten Pakpak
Barat tahun 2012 (Data terlampir).
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Dalam
penelitian
ini,
uji
normalitas
terhadap
residual
dengan
menggunakan uji Jarque-Bera (J-B). Didalam penelitian ini data sudah di
transformasi dengan menggunakan transformsi SQRT. Dalam penelitian ini,
tingkat signifikansi yang digunakan � = 0,05. Dasar pengambilan keputusan
adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai
berikut.
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
50
Series: Residuals
Sample 1 110
Observations 110
40
30
20
10
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-1.22e-16
0.000151
6.509537
-0.585801
0.671372
8.343861
81.87832
Jarque-Bera
Probability
29792.90
0.000000
0
0
1
2
3
4
5
6
Sumber: Hasil Olah software Eviews (2017)
Gambar 4.1
Uji Normalitas dengan Uji Jarque-Bera – Model 1
Universitas Sumatera Utara
52
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari
statistik J-B adalah 0,00000. Karena nilai probabilitas �, yakni 0,00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
12
Series: Residuals
Sample 1 110
Observations 110
10
8
6
4
2
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-4.90e-13
-2.905018
55.76532
-64.15546
25.86590
0.186438
2.677515
Jarque-Bera
Probability
1.113899
0.572954
0
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
Gambar 4.2
Uji Normalitas dengan Uji Jarque-Bera
Setelah Transformasi – Model 1
Berdasarkan Gambar 4.2, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,572954 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
40
Series: Residuals
Sample 1 88
Observations 88
35
30
25
20
15
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
3.10e-16
-0.012649
6.485311
-0.610374
0.739722
7.739798
68.73016
Jarque-Bera
Probability
16720.26
0.000000
10
5
0
0
1
2
3
4
5
6
Gambar 4.3
Uji Normalitas dengan Uji Jarque-Bera – Model 2
Universitas Sumatera Utara
53
Perhatikan bahwa berdasarkan Gambar 4.3, diketahui nilai probabilitas dari
statistik J-B adalah 0.00000. Karena nilai probabilitas �, yakni 0.00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
12
Series: Residuals
Sample 1 88
Observations 88
10
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
8
6
4
-5.81e-13
-3.660898
56.70245
-57.59350
25.10377
0.166091
2.713731
Jarque-Bera
Probability
2
0.705079
0.702901
0
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
Gambar 4.4
Uji Normalitas dengan Uji Jarque-Bera
Setelah Transformasi – Model 2
Berdasarkan Gambar 4.4, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,702901 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
40
Series: Residuals
Sample 1 88
Observations 88
35
30
25
20
15
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.85e-16
-0.008723
6.454476
-0.694616
0.734808
7.779008
69.25963
Jarque-Bera
Probability
16985.43
0.000000
10
5
0
0
1
2
3
4
5
6
Gambar 4.5
Uji Normalitas dengan Uji Jarque-Bera – Model 3
Universitas Sumatera Utara
54
Perhatikan bahwa berdasarkan Gambar 4.5 diketahui nilai probabilitas dari
statistik J-B adalah 0.0000. Karena nilai probabilitas �, yakni 0.00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
16
Series: Residuals
Sample 1 88
Observations 88
14
12
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
10
8
6
-5.37e-13
-5.456298
58.94316
-49.43320
24.59461
0.487338
2.640555
4
Jarque-Bera
Probability
2
3.957044
0.138273
0
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
Gambar 4.6
Uji Normalitas dengan Uji Jarque-Bera
Setelah Transformasi – Model 3
Berdasarkan Gambar 4.6, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,138273 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
4.2.2.2 Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai
korelasi antar variabel yang terdapat dalam matriks korelasi. Ghozali (2013)
menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni
di atas 0,9, maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji
multikolinearitas disajikan pada Tabel 4.2.
Universitas Sumatera Utara
55
Tabel 4.2
Uji Multikolinearitas – Model 1, 2, 3
INTELLECTUAL
CAPITAL (X1)
ROGIC (X2)
INTELLECTUAL CAPITAL
1.000000
-0.120378
ROGIC
-0.120378
1.000000
VARIABEL
Sumber: Hasil Olah software Eviews (2017)
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi antara Intellectual
Capital dengan ROGIC adalah -0.120378. Dari hasil pengujian multikolinearitas
pada Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas
antar variabel independen. Hal ini karena nilai korelasi antar variabel independen
tidak lebih dari 0,9 (Ghozali, 2013:105).
4.2.2.3 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat
diuji dengan menggunakan uji Durbin-Watson (Field, 2009:220). Nilai statistik
dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009:220) menyatakan
sebagai berikut.
“Specifically, it (Durbin-Watson) tests whether adjacent residuals are
correlated. The test statistic can vary between 0 dan 4 with a value 2
meaning that the residuals are uncorrelated".
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih
besar dari 3 diindikasi terjadi autokorelasi. Field (2009:220-221) menyatakan
sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of
predictors in the model and the number of observations. For accuracy,
you should look up the exact acceptable values in Durbin and Watson's
Universitas Sumatera Utara
56
(1951) original paper. As very conservative rule of thumb, values less then
1 or greater than 3 are definitely cause for concern; however, values
closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.3 Uji Autokorelasi dengan Uji Durbin-Watson
Variavel Dependen
Kinerja Keuangan
Kinerja Keuangan
Masa Depan
Kinerja Keuangan
Masa Depan
Durbin-Watson
2.001498
Interval
1 sampai dengan 3
1 sampai dengan 3
Kesimpulan
Bebas gejala auto
Bebas gejala auto
1 sampai dengan 3
Bebas gejala auto
2.220183
2.234725
Sumber: Hasil Olah Software Eviews (2017)
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson pada model 1, 2
dan 3 secara berturut-turut adalah 2.001498, 2.220183, dan 2.234725. Nilai
statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi
terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada
residual.
4.2.2.4 Uji Heteroskedastisitas
Menurut (Gujarati, 2012) Deteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan uji Breusch-Pagan dan berikut hasil uji Breusch-Pagan.
Tabel 4.4
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 1
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS
0.483185
0.489941
2.233682
Prob. F(1,108)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.4885
0.4840
0.1350
Sumber: Hasil Olah Software Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.489941 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
Universitas Sumatera Utara
57
Tabel 4.5
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 2
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS
0.218925
0.223447
0.242496
Prob. F(1,86)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.6410
0.6364
0.6224
Sumber : Hasil Olahan Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.223447 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
Tabel 4.6
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 3
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS
0.411484
0.419048
5.097613
Prob. F(1,86)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.5229
0.5174
0.0240
Sumber : Hasil Olahan Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.419048 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
4.2.3
Regresi Linear Sederhana
Untuk
mengetahui
bagaimana
pengaruh
kedua
variabel,
peneliti
menggunakan teknik analisis regresi linear sederhana. Analisis ini digunakan
untuk mempelajari bentuk hubungan yang ada diantara variabel-variabel yang
terlibat, sehingga dapat diketahui bagaimana variabel dependen dapat diprediksi
melalui variabel independen. Analisis ini juga dapat digunakan untuk
memutuskan apakah naik atau turunnya variabel dependen dapat dilakukan
Universitas Sumatera Utara
58
dengan menaikkan atau menurunkan variabel independen. Berdasarkan analisis
regresi sedederhana diperoleh gambaran sebagai berikut :
4.2.3.1 Model 1
Tabel 4.7
Pengujian Regresi Sederhana Model 1
Test Equation:
Dependent Variable: KinerjaKeuanga
Method: Least Squares
Date: 04/15/17 Time: 21:21
Sample: 1 110
Included observations: 110
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.028037
-0.002483
0.012908
0.003572
2.171996
-0.695115
0.0320
0.4885
R-squared
Adjusted Rsquared
F-statistic
Prob(F-statistic)
0.004454
Mean dependent var
0.020065
0.004764
0.483185
0.032076
S.D. dependent var
Durbin-Watson stat
0.061994
2.074413
Sumber : Hasil Olahan Eviews (2017)
4.2.3.2 Model 2
Tabel 4.8
Pengujian Regresi Sederhana Model 2
Dependent Variable: KinerjaKeuangan_MasaDepan
Method: Least Squares
Date: 04/15/17 Time: 02:31
Sample: 1 88
Included observations: 88
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.024780
0.639320
0.011985
0.045286
2.067556
14.11734
0.0417
0.0000
R-squared
Adjusted R-squared
F-statistic
Prob(F-statistic)
0.047353
0.036276
4.274789
0.041687
Mean dependent var
S.D. dependent var
Durbin-Watson stat
0.723181
0.192464
2.220183
Sumber : Hasil Olahan Eviews (2017)
Universitas Sumatera Utara
59
4.2.3.3 Model 3
Tabel 4.9
Pengujian Regresi Sederhana Model 3
Dependent Variable: KINERJA_MASADEPAN?
Method: Pooled Least Squares
Date: 04/02/17 Time: 01:19
Sample: 2011 2014
Included observations: 4
Cross-sections included: 22
Total pool (balanced) observations: 88
Variable
Coefficient
Std. Error
t-Statistic
Prob.
ROGIC?
C
-0.154938
725.7178
0.046887
21.13030
-3.304467
34.34489
0.0014
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.112666
0.102348
24.73718
52625.83
-406.1861
10.91950
0.001389
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
656.4393
26.10936
9.276957
9.333260
9.299640
1.799067
Sumber : Hasil Olahan Eviews 7.0 (2017)
4.2.4
Pengujian Hipotesis
4.2.4.1 Pengujian Hipotesis - Model 1
Uji hipotesis model 1 bertujuan untuk mengetahui pengaruh variabel bebas
X1 (Intellectual Capital), X2 (ROGIC), terhadap variabel terikat Y (Kinerja
Keuangan). Dari Tabel 4.7 dapat kita lihat uji serempak dan uji simultan nya,
yaitu :
1.
Uji Signifikansi Parsial (Uji t)
Uji Parsial dilakukan untuk melihat signifikansi pengaruh secara parsial
antara variabel independen yaitu. Pengujian ini dilakukan untuk mencari
Universitas Sumatera Utara
60
pengaruh paling besar diantara variabel independen terhadap variabel
dependen. Bentuk pengujiannya sebagai berikut:
1.
jika nilai probabilitas≤ 0,05 maka H
1
diterima H0 ditolak, artinya secara
parsial terdapat pengaruh yang signifikan.
2.
jika nilai probabilitas≥ 0,05 maka H
1
ditolak H0 diterima, artinya secara
parsial terdapat pengaruh yang tidak signifikan.
Tabel 4.10
Uji Signifikansi Parsial
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.028037
-0.002483
0.012908
0.003572
2.171996
-0.695115
0.0320
0.4885
Sumber : Hasil Olahan Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.10 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan. Hal ini terlihat dari nilai signifikasi 0.0320
< 0.05. . Dengan demikian H1 diterima dan H0 ditolak.
Dari Tabel 4.10 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan= -0.002483 + 0.028037 +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
berikut:
1.
2.
Konstanta sebesar −0.002483 artinya jika seluruh variabel independen
bernilai 0, maka Kinerja Keuangan sebesar −0.002483
Koefisien regresi Intellectual Capital (b1) sebesar 0.028037 artinya jika
Intellectual Capital mengalami penurunan sebesar 1% dan variabel lain
Universitas Sumatera Utara
61
dianggap konstan maka Kinerja Keuangan akan mengalami penurunan
sebesar 0.028037.
2. Uji Pengaruh Serempak (Uji F)
Uji F digunakan untuk menguji seberapa besar pengaruh secara simultan
variabel independen yaitu Intellectual Capital secara bersama terhadap variabel
dependen yaitu kinerja keuangan masa depan. H1 diterima apabila probabilitas F
lebih kecil dari 0,05 (F < 0,05). Berikut Tabel F statistik hasil perhitungan analisis
data panel.
Tabel 4.11
Uji Pengaruh Serempak
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.004454
0.004764
0.062141
0.417048
150.5437
0.483185
0.032076
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.020065
0.061994
-2.700795
-2.651695
-2.680879
2.074413
Sumber : Hasil Olahan Eviews (2017)
Pada Tabel 4.11 nilai statistik F dapat dilihat dari nilai probabilitas F sebesar
0.0320. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F < 0,05), maka
pengaruh variabel secara serempak dikatakan signifikan, H1 diterima dan H0
ditolak. Sehingga dapat disimpulkan bahwa Intellectual Capital berpengaruh
signifikan terhadap Kinerja Keuangan pada Kabupaten dan Kota di Provinsi
Sumatera Utara periode 2011-2015.
3.
Uji Determinasi R2
Koefisien determinasi (R2) digunakan untuk mengetahui kontribusi dari
seluruh variabel independen secara bersama-sama terhadap variabel dependen.
Universitas Sumatera Utara
62
Bila nilai R2 mendekati 0 maka pengaruh variabel independen terhadap dependen
semakin lemah. Sedangkan Bila nilai R2 mendekati 1 maka pengaruh variabel
independen terhadap dependen semakin kuat. Semakin tinggi nilai Adjusted R2
maka semakin tinggi pula kemampuan variabel independen menjelaskan variabel
dependen.
Tabel 4.11 memperlihatkan bahwa nilai Adjusted R-squared= 0.004764 ,
hal ini berarti besarnya pengaruh serentak (simultan) dari ketiga variabel bebas X1
(VACA), X2 (VAHU), dan X3 (STVA)
terhadap variabel terikat Y (Kinerja
Keuangan) adalah sebesar = 0.004764 x 100% = 0.047%. Dengan kata lain,
sebesar 0.047% kinerja keuangan dapat dijelaskan oleh X1 (Intellectual Capital)
pada Pemerintah Daerah Kabupaten dan Kota di Provinsi Sumatera Utara.
4.2.4.2 Pengujian Hipotesis - Model 2
1.
Uji Signifikansi Parsial (Uji t)
Tabel 4.12
Uji Signifikansi Parsial
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IC
C
0.024780
0.639320
0.011985
0.045286
2.067556
14.11734
0.0417
0.0000
Sumber : Hasil Olahan Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.12 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan Masa Depan. Hal ini terlihat dari nilai
signifikasi 0.0417 < 0.05. . Dengan demikian H1 dierima dan H0 ditolak.
Universitas Sumatera Utara
63
Dari Tabel 4.12 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan Masa Depan = 0.639320 + 0.024780 IC +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
berikut:
1.
Konstanta sebesar 0.639320 artinya jika seluruh variabel independen bernilai
0, maka Kinerja Keuangan Masa Depan sebesar 0.639320.
2.
Koefisien regresi Intellectual Capital (b1) sebesar artinya 0.024780 jika +
0.024780 mengalami kenaikan sebesar 1% dan variabel lain dianggap konstan
maka Kinerja Keuangan akan mengalami penurunan sebesar 0.024780
2.
Uji Pengaruh Serempak (Uji F)
Tabel 4.13
Uji Pengaruh Serempak (Uji F)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.047353
0.036276
0.188941
3.070077
22.78131
4.274789
0.041687
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.723181
0.192464
-0.472303
-0.415999
-0.449619
2.220183
Sumber : Hasil Olahan Eviews (2017)
Pada Tabel 4.13 nilai statistik F dapat dilihat dari nilai probabilitas F
sebesar 0.041687. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F <
0,05), maka pengaruh variabel secara serempak dikatakan signifikan H1 diterima
dan Ho ditolak. Sehingga dapat disimpulkan bahwa Intellectual Capital
berpengaruh signifikan terhadap Kinerja Keuangan Masa Depan pada Kabupaten
dan Kota di Provinsi Sumatera Utara periode 2011-2015.
Universitas Sumatera Utara
64
3. Uji Determinasi R2
Tabel 4.13 memperlihatkan bahwa nilai Adjusted R-squared= 0.036276 ,
hal ini berarti besarnya pengaruh serentak (simultan) dari ketiga variabel bebas X1
(VACA), X2 (VAHU), dan X3 (STVA) terhadap variabel terikat Y1 (ROA) adalah
sebesar 0.036276 x 100% = 3.62%. Dengan kata lain, sebesar 3.62% kinerja
keuangan masa depan dapat dijelaskan oleh X1 (Intellectual Capital) pada
Pemerintah Daerah Kabupaten/Kota di Pronvinsi Sumatera Utara.