SKRIPSI
ANALISIS PENGARUH INTELLECTUAL CAPITAL TERHADAP
ECONOMIC VALUE ADDED DAN MARKET VALUE ADDED
BANK UMUM SWASTA NASIONAL DEVISA
DI INDONESIA
OLEH
NIKITA NAULI SIPAYUNG
100502051
PROGRAM STRUDI STRATA 1 MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SUMATERA UTARA
MEDAN
2019
UNIVERSITAS SUMATERA UTARA
UNIVERSITAS SUMATERA UTARA
UNIVERSITAS SUMATERA UTARA
UNIVERSITAS SUMATERA UTARA
i
ABSTRAK
ANALISIS PENGARUH INTELLECTUAL CAPITAL TERHADAP
ECONOMIC VALUE ADDED DAN MARKET VALUE ADDED
BANK UMUM SWASTA NASIONAL DEVISA
DI INDONESIA
Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis hubungan antara
Intellectual Capital yang diukur menggunakan metode VAICTM
yang terdiri atas
Value Added Capital Employed (VACA), Value Added Human Capital (VAHU)
dan Structural Capital Value Added (STVA) terhadap kinerja keuangan
perusahaan yang diukur dengan menggunakan konsep Economic Value Added
(MVA) dan Market Value Added (MVA). Populasi penelitian adalah perusahaan
perbankan yang termasuk dalam kelompok Bank Umum Swasta Nasional Devisa
yang terdaftar dalam Bursa Efek Indonesia pada tahun 2012 – 2016. Sampel
diambil dengan menggunakan metode purposive sampling. Jumlah sampel bank
yang menjadi objek penelitian adalah 14 bank dengan pengamatan selama 5 tahun
dari tahun 2012-2016. Teknik analisis data dilakukan dengan regresi data panel
menggunakan program Eviews 11. Secara simultan variabel-variabel bebas yaitu
VACA, VAHU, dan STVA berpengaruh signifikan terhadap EVA. VACA
memiliki pengaruh negatif dan tidak signifikan, VAHU memiliki pengaruh negatif
dan signifikan, dan STVA memiliki pengaruh positif dan signifikan terhadap
EVA. Secara simultan variabel-variabel bebas yaitu VACA, VAHU, dan STVA
berpengaruh signifikan terhadap MVA. VACA berpengaruh negatif dan
signifikan, variabel VAHU memiliki pengaruh negatif dan tidak signifikan dan
variabel STVA memiliki pengaruh positif dan tidak signifikan terhadap MVA.
Kata Kunci: Value Added Intellectual Coefficient (VAICTM
), Value Added
Capital Employed (VACA), Value Added Human Capital
(VAHU), Structural Capital Value Added (STVA), Economic
Value Added (MVA) dan Market Value Added (MVA).
UNIVERSITAS SUMATERA UTARA
ii
ABSTRACT
ANALYSIS OF INTELLECTUAL CAPITAL IMPACT ON ECONOMIC
VALUE ADDED AND MARKET VALUE ADDED AT FOREIGN
EXCHANGE NATIONAL PRIVAT BANKS
IN INDONESIA
This study aims to identify and analyze the relationship between Intellectual
Capital measured using the VAICTM
method which consists of Value Added
Capital Employed (VACA), Value Added Human Capital (VAHU) and Structural
Capital Value Added (STVA) on the company's financial performance measured
using the concept of Economic Value Added (MVA) and Market Value Added
(MVA). The research population is banking companies that are included in the
group of Foreign Exchange National Private Banks listed on the Indonesia Stock
Exchange in 2012 - 2016. Samples were taken using the purposive sampling
method. The number of bank samples that became the object of research were 14
banks with observations for 5 years from 2012-2016. Data analysis techniques are
done by panel data regression using program Eviews 11. Simultaneously the
independent variables namely VACA, VAHU, and STVA have a significant effect
on EVA. VACA has a negative and insignificant influence, VAHU has a negative
and significant influence, and STVA has a positive and significant influence on
EVA. Simultaneously the independent variables namely VACA, VAHU, and
STVA have a significant effect on MVA. VACA has a negative and significant
effect,VAHU variable has a negative and insignificant influence and STVA
variable has a positive and insignificant influence on MVA.
Keywords: Value Added Intellectual Coefficient (VAICTM
), Value Added
Capital Employed (VACA), Value Added Human Capital
(VAHU), Structural Capital Value Added (STVA), Economic
Value Added (MVA) and Market Value Added (MVA).
UNIVERSITAS SUMATERA UTARA
iii
KATA PENGANTAR
Puji syukur peneliti panjatkan kepada Tuhan Yang Maha Esa atas segala
berkat dan karunia-Nya peneliti masih diberikan kesehatan dan kesempatan untuk
menyelesaikan skripsi yang berjudul ”Analisis Pengaruh Intellectual Capital
Terhadap Economic Value Added Dan Market Value Added Bank Swasta
Umum Nasional Devisa Di Indonesia”. Tujuan penulisan skripsi ini adalah salah
satu syarat untuk memperoleh gelar Sarjana Ekonomi di Fakultas Ekonomi dan
Bisnis Universitas Sumatera Utara.
Peneliti mengucapkan terimakasih yang sebesar-besarnya pada orang tua
tercinta, Bapak Gamal Sipayung dan Ibu Sadiyem yang tiada henti-hentinya
memberikan kasih sayang dan dukungan kepada peneliti. Selama proses
penyusunan skripsi ini peneliti menyadari banyak mendapat bantuan dan bimbingan
dari berbagai pihak. Untuk itu peneliti mengucapkan terima kasih sebesar-besarnya
kepada:
1. Bapak Prof. Dr. Ramli, SE, MS, selaku Dekan Fakultas Ekonomi dan Bisnis
Universitas Sumatera Utara.
2. Bapak Dr. Amlys Syahputra Silalahi , SE, M.Si, selaku Ketua Program Studi
sekaligus dosen penguji II yang telah memberi begitu banyak masukan untuk
kesempurnaan skripsi dan Bapak Doli Muhammad Jafar Dalimunthe, SE,
M.Si selaku Sekretaris Program Studi Manajemen Fakultas Ekonomi dan
Bisnis Universitas Sumatera Utara.
UNIVERSITAS SUMATERA UTARA
iv
3. Ibu Dr. Isfenti Sadalia, SE, ME, selaku dosen pembimbing yang dengan sabar
telah meluangkan waktu untuk membimbing, memberi pengarahan dan
dukungan kepada peneliti.
4. Ibu Beby Kendida Hasibuan, SE, M.Si, selaku dosen penguji I yang telah
memberikan kritik & saran yang membangun.
5. Seluruh Dosen dan Staf di Fakultas Ekonomi dan Bisnis Universitas
Sumatera Utara untuk segala jasanya selama perkuliahan
6. Kakak dan abang peneliti, Diah Sipayung yang selalu siap untuk membantu
peneliti dalam segala hal dan Ayrton Sipayung yang selalu menghibur dan
menyemangati peneliti.
7. Teman-teman Manajemen 2010 yang menemani peneliti menjalani
perkuliahan, Widya, Rizka, Ari, dan Anto. Terimakasih untuk momen-
momen bersama baik suka maupun duka.
Medan, 22 April 2019
Peneliti
Nikita Nauli Sipayung
NIM: 100502051
UNIVERSITAS SUMATERA UTARA
v
DAFTAR ISI
Halaman
ABSTRAK ............................................................................................. i
ABSTRACT ........................................................................................... ii
KATA PENGANTAR ........................................................................... iii
DAFTAR ISI .......................................................................................... v
DAFTAR TABEL.................................................................................. vii
DAFTAR GAMBAR ............................................................................. viii
DAFTAR LAMPIRAN ......................................................................... ix
BAB I PENDAHULUAN ............................................................... 1
1.1 Latar Belakang ............................................................ 1
1.2 Perumusan Masalah .................................................... 8
1.3 Tujuan Penelitian ........................................................ 9
1.4 Manfaat Penelitian ...................................................... 9
BAB II TINJAUAN PUSTAKA ..................................................... 10
2.1 Uraian Teoritis ............................................................ 10
2.1.1 Stakeholder Theory ......................................... 10
2.1.2 Legitimacy Theory .......................................... 10
2.1.3 Knowledge-Based Theory ............................... 11
2.1.4 Intellectual Capital ......................................... 12
2.1.5 Value Added Intellectual Coefficient
(VAICTM
) ........................................................ 16
2.1.6 Economic Value Added (EVA) ....................... 20
2.1.7 Market Value Added (MVA) .......................... 25
2.2 Penelitian Terdahulu ................................................... 28
2.3 Kerangka Konseptual .................................................. 35
2.4 Hipotesis Penelitian .................................................... 38
BAB III METODE PENELITIAN .................................................. 40
3.1 Jenis Penelitian ........................................................... 40
3.2 Tempat dan Waktu Penelitian ..................................... 40
3.3 Batasan Operasional ................................................... 40
3.4 Defenisi Operasional................................................... 41
3.4.1 Variabel Independen ....................................... 41
3.4.2 Variabel Dependen.......................................... 42
3.5 Populasi dan Sampel Penelitian .................................. 43
3.6 Jenis Data .................................................................... 45
3.7 Metode Pengumpulan Data ......................................... 45
3.8 Teknik Analisis Data .................................................. 46
3.8.1 Analisis Deskriptif .......................................... 46
3.8.2 Analisis Regresi Data Panel ............................ 46
3.8.3 Uji Asumsi Klasik ........................................... 49
3.8.4 Koefisien Determinasi .................................... 52
3.8.5 Uji Hipotesis ................................................... 52
UNIVERSITAS SUMATERA UTARA
vi
BAB IV HASIL DAN PEMBAHASAN .......................................... 54
4.1 Hasil Penelitian ........................................................... 54
4.1.1 Gambaran Umum Objek Penelitian ................ 54
4.1.2 Analisis Statistik Deskriptif ............................ 60
4.1.3 Hubungan VACA, VAHU, dan STVA
Dengan EVA ....................................................... 61
4.1.4 Hubungan VACA, VAHU, dan STVA
Dengan MVA ...................................................... 69
4.1.5 Uji Hipotesis ................................................... 75
4.2 Pembahasan ................................................................ 79
4.2.1 Pengaruh VACA, VAHU Dan STVA
Terhadap EVA ................................................ 79
4.2.2 Pengaruh VACA, VAHU Dan STVA
Terhadap MVA ............................................... 81
BAB V KESIMPULAN DAN SARAN .......................................... 84
5.1 Kesimpulan ................................................................. 84
5.2 Saran ......................................................................... 84
DAFTAR PUSTAKA ............................................................................ 86
DAFTAR LAMPIRAN ......................................................................... 89
UNIVERSITAS SUMATERA UTARA
vii
DAFTAR TABEL
No. Tabel Judul Halaman
1.1 Perkembangan Jumlah Bank Umum Indonesia........................... 4
1.2 Perkembangan Aset Bank Umum Berdasarkan Kelompok
Bank ............................................................................................ 5
1.3 Data Pertumbuhan Keuangan Beberapa Bank Umum Devisa
Di Indonesia (dalam juta Rp) ...................................................... 5
2.1 Perbandingan Konsep Intellectual Capital Menurut
Beberapa Peneliti ......................................................................... 14
2.2 Penelitian Terdahulu ................................................................... 33
3.1 Tahapan Perhitungan VAICTM ..............................................................................
41
3.2 Tahapan Perhitungan EVA .......................................................... 42
3.3 Empat Komponen Tahapan Perhitungan MVA .......................... 43
3.4 Operasionalisasi Variabel ............................................................ 43
3.5 Kriteria Pengambilan Sampel ...................................................... 44
3.6 Sampel Penelitian ........................................................................ 44
4.1 Statistik Deskriptif ....................................................................... 60
4.2 Common Effect Model ................................................................. 62
4.3 Fixed Effect Model ...................................................................... 62
4.4 Random Effect Model .................................................................. 63
4.5 Hasil Chow Test .......................................................................... 64
4.6 Hasil Breusch-Pagan Lagrange Multiplier Test ......................... 64
4.7 Hasil Pengujian Data Panel ......................................................... 65
4.8 Uji Multikolinieritas .................................................................... 67
4.9 Uji Glejser ................................................................................... 67
4.10 Breusch-Godfrey Serial Correlation LM Test ............................. 68
4.11 Common Effect Model ................................................................. 69
4.12 Fixed Effect Model ...................................................................... 70
4.13 Random Effect Model .................................................................. 71
4.14 Hasil Chow Test .......................................................................... 72
4.15 Hasil Hausman Test .................................................................... 72
4.16 Hasil Pengujian Data Panel ......................................................... 73
4.17 Hasil Uji Simultan dan Uji Parsial .............................................. 75
4.18 Hasil Uji Simultan dan Uji Parsial .............................................. 77
UNIVERSITAS SUMATERA UTARA
viii
DAFTAR GAMBAR
No. Gambar Judul Halaman
2.1 Skandia Value Scheme................................................................. 14
2.2 Kerangka Konseptual .................................................................. 38
4.1 Uji Normalitas Menggunakan Jarque-Bera ................................. 66
\
UNIVERSITAS SUMATERA UTARA
ix
DAFTAR LAMPIRAN
No. Lampiran Judul Halaman
1. Data VACA, VAHU, STVA, EVA dan MVA ............................ 89
2. Data Variabel EVA, VACA, VAHU dan STVA Setelah
Transformasi Delta ........................................................................ 91
3. Analisis Deskriptif ....................................................................... 92
4. Common Effect Model (CEM) ..................................................... 92
5. Fixed effect Model (FEM) ........................................................... 92
6. Random Effect Model (REM) ...................................................... 94
7 Chow Test .................................................................................... 94
8. Hausman Test .............................................................................. 95
9. Coomon Effect Model (CEM) Setelah Dilakukan
Transformasi ................................................................................ 95
10. Fixed Effect Model (FEM) Setelah Dilakukan Transformasi ...... 96
11. Random Effect Model (REM) Setelah Dilakukan Transformasi . 97
12. Chow Test Setelah Dilakukan Transformasi ............................... 97
13. Breusch-Pagan Langrange Multiplier Test Setelah Dilakukan
Transformasi ................................................................................ 98
14. Uji Normalitas ............................................................................. 98
15. Uji Multikolinieritas .................................................................... 99
16. Uji Heteroskedastisitas ................................................................ 99
17. Uji Autokorelasi .......................................................................... 99
18. Uji Autokorelasi Sesudah Transformasi...................................... 99
19. Common Effect Model ................................................................. 99
20. Fixed Effect Model ...................................................................... 100
21. Random effect Model ................................................................... 102
22. Chow Test .................................................................................... 102
23. Hausman Test .............................................................................. 103
UNIVERSITAS SUMATERA UTARA
2
BAB I
PENDAHULUAN
1.1 Latar Belakang
Teknologi yang berkembang dengan pesat turut memberikan dampak pada
semua elemen kehidupan masyarakat. Kemajuan teknologi mengubah tatanan hidup
dan cara masyarakat dalam menjalankan dan mempertahankan kehidupannya.
Globalisasi di berbagai bidang kehidupan menuntut adanya kemampuan adaptasi
yang tinggi agar mampu bertahan hidup dan memperoleh kehidupan yang lebih baik.
Globalisasi di bidang keilmuan dan teknologi membawa pembaruan pada kehidupan
manusia. Manusia semakin banyak dihadapkan pada pilihan-pilihan yang sangat
menentukan kualitas hidup manusia itu sendiri.
Bisnis dan perusahaan sebagai instrumen dan wadah manusia untuk
memenuhi kebutuhan dan keinginannya juga terkena dampak perubahan teknologi.
Pelaku bisnis harus menyesuaikan usahanya dengan perkembangan zaman agar
mampu bertahan dalam menghadapi persaingan. Setiap perusahaan harus mampu
memaksimalkan penggunaan modal yang dimiliki untuk mencapai hasil yang
diinginkan.
Terjadinya pergeseran strategi bisnis dari bisnis berbasis tenaga kerja
(labor based business) menjadi bisnis berbasis ilmu pengetahuan (knowledge
based business) turut memberi dampak pada persaingan antar perusahaan.
Pengetahuan adalah kekuatan, bisnis yang menguasai pengetahuan dan teknologi
memiliki keunggulan bersaing.
Modal yang selama ini diidentikkan dengan barang yang mempunyai
UNIVERSITAS SUMATERA UTARA
3
wujud tidak dapat menjamin bahwa perusahaan akan mencapai tujuannya dengan
sukses secara berkelanjutan. Terdapat modal yang tak berwujud namun disinyalir
merupakan penentu keberhasilan kinerja keuangan perusahaan. Modal yang tak
tercatat secara pasti di dalam laporan keuangan tetapi dapat memberikan dampak
bagi operasi perusahaan terutama perusahaan-perusahaan yang tak terlalu
bergantung pada modal berwujud. Dalam PSAK No. 19 Revisi 2000 (Standar
Akuntansi Keuangan: Per 1 September 2007) tentang aset tidak berwujud
dijelaskan bahwa aset tidak berwujud adalah aset nonmoneter yang dapat
diidentifikasi dan tidak mempunyai wujud fisik serta dimiliki untuk digunakan
dalam menghasilkan atau menyerahkan barang atau jasa, disewakan kepada pihak
lainnya, atau untuk tujuan administratif.
Permodalan tidak semata-mata pada penghimpunan dan penyertaan
dana, karena itupun bisa habis dan perusahaan mengalami kebangkrutan jika
orang-orang yang menjalankan tidak punya kemampuan dan kemauan untuk
mengolahnya dengan benar. Saat ini sedang terjadi peralihan dari financial
capital ke intellectual capital dengan penekanan atau bobot semakin besar
pada intellectual capital (Eliezer, 2017).
Intellectual Capital merupakan elemen modal tak berwujud yang melekat
pada individu-individu yang menyusun perusahaan. Karena tidak memiliki wujud
dan sifatnya melekat pada setiap personal yang tergabung dalam sebuah
perusahaan Intellectual Capital menjadi hal yang sulit untuk diidentifikasi dan
diukur padahal apabila mampu mengidentifikasi dan mengukur Intellectual
Capital maka perusahaan akan mampu memafaatkan Intellectual Capital untuk
UNIVERSITAS SUMATERA UTARA
4
menciptakan nilai dan menjadi perusahaan yang memiliki keunggulan kompetitif.
Banyak penelitian internasional yang sudah membahas tentang
Intellectual Capital. Dalam perkembangannya, Intellectual Capital telah
diukur dengan berbagai macam indikator. Bontis et. al. (2000) menginvestigasi
ketiga elemen Intellectual Capital yaitu; human capital, structural capital, dan
customer capital dan hubungannya dalam dua sektor industri di Malaysia.
Hasil penelitian menunjukkan adanya variasi signifikansi elemen-elemen
Intellectual capital terhadap business performance.
Ulum (2007) berusaha membuktikan hubungan IC (VAICTM
) dan
kinerja keuangan dengan mengacu pada beberapa penelitian terdahulu.
Penelitian tersebut menunjukkan hasil bahwa IC (VAICTM
) berpengaruh
terhadap kinerja keuangan namun tidak seluruh komponen VAICTM
memiliki
pengaruh signifikan terhadap kinerja keuangan perusahaan dan tidak semua
ukuran kinerja keuangan yang digunakan bekorelasi dengan komponen-
komponen VAICTM
. Pramelasari (2010) meneliti Intellectual Capital
perusahaan dengan dikelompokkan ke dalam dua kelompok yaitu perusahaan
yang padat Intellectual Capital (high IC-intensive industries) dan perusahaan
yang tidak padat Intellectual Capital (low- IC intensive industries).
Sejumlah penelitian nasional maupun internasional menunjukkan
bahwa Intellectual Capital telah mendapat perhatian dan semakin sering
diteliti oleh peneliti dari berbagai belahan dunia, setiap penelitian
menghasilkan kesimpulan yang bervariasi sesuai dengan sampel dan
karakteristiknya. Hal ini menunjukkan bahwa masyarakat global sudah
UNIVERSITAS SUMATERA UTARA
5
menyadari pentingnya keberadaan intellectual capital dalam menjalankan
perusahaan.
Dunia perbankan sangat bergantung pada kepercayaan (trust), untuk
memperoleh dan mempertahankan kepercayaan masyarakat dibutuhkan
pelayanan yang prima. Bank yang dipercaya akan memiliki nasabah yang
loyal. Nasabah yang loyal adalah kunci untuk mempertahankan kehidupan
bank. Bank sebagai lembaga kepercayaan masyarakat dan bagian dari sistem
moneter mempunyai kedudukan yang strategis sebagai penunjang
pembangunan ekonomi. Jadi baik secara mikro maupun makro, bank
memegang peranan penting dalam perekonomian sebuah negara.
Berdasarkan publikasi otoritas jasa keuangan dalam SPI 2016 terdapat
perubahan jumlah bank di Indonesia. Kelompok BUSN Devisa mengalami
peningkatan jumlah bank yang positif dan merupakan kelompok bank dengan
jumlah terbesar yaitu sebayak 42 bank dari jumlah keseluruhan bank sebanyak
118 bank pada tahun 2016.
Tabel 1.1
Perkembangan Jumlah Bank Umum Indonesia
Kelompok Bank 2012 2013 2014 2015 2016
Bank Persero 4 4 4 4 4
BUSN Devisa 36 36 38 39 42
BUSN Non Devisa 30 30 29 27 21
BDP 26 26 26 26 27
Bank Campuran 14 14 12 12 12
Bank Asing 10 10 10 10 10
Jumlah 120 120 119 118 118
Sumber : Statistik Perbankan Indonesia, Desember (2016)
Seiring dengan pertambahan jumlah bank, jumlah aset juga mengalami
peningkatan setiap tahunnya. Tabel 1.2 menunjukkan bahwa proporsi aset terbesar
masih dipegang oleh kelompok BUSN Devisa yang juga merupakan kelompok
UNIVERSITAS SUMATERA UTARA
6
penyumbang jumlah bank terbesar.
Tabel 1.2
Perkembangan Aset Bank Umum Berdasarkan Kelompok Bank (dalam
Miliar Rp)
Kelompok Bank 2012 2013 2014 2015 2016
Bank Persero 1.535.343 1.758.873 2.076.605 2.313.316 2.666.516
BUSN Devisa 1.705.408 1.962.539 2.200.142 2.363.516 2.672.238
BUSN Non Devisa 135.472 162.457 440.691 193.149 73.684
BDP 366.685 389.964 278.312 475.696 529.746
Bank Campuran 217.713 290.219 432.582 313.570 319.328
Bank Asing 301.966 390.415 5.615.150 473.336 468.286
Total 4.262587 4.954.467 5.615.150 6.095.908 6.729.799
Sumber : Statistik Perbankan Indonesia, Desember 2016
Tabel 1.3 menyajikan data pertumbuhan keuangan beberapa BUSN Devisa
dari tahun 2012 hingga 2016. Data-data tersebut mencakup profit, market value,
net asset dan market value added. Market value added (MVA) merupakan selisih
antara market value dan net aset.
Tabel 1.3
Data Pertumbuhan Keuangan Beberapa Bank Umum Devisa Di
Indonesia dalam juta Rp)
Kode & Nama Data Keuangan
2012 2013 2014 2015 2016
BDMN Bank Danamon Indonesia,Tbk
Profit 3.247.425 2.963.654 4.358.567 1.891.440 2.944.895
Market Value 53.611.703 35.820.208 42.936.806 30.364.150 35.203.437
Net Asset 24.053.280 25.756.226 29.069.124 29.709.035 36.221.244
MVA 29.558.423 10.063.982 13.867.682 655.115 (1.017.807)
BNII Bank Maybank Indonesia, Tbk
Profit 1.050.349 1.295.727 409.261 880.365 1.660.855
Market Value 22.566.264 18.712.355 12.555.386 10.321.976 22.803.129
Net Asset 9.308.712 11.764.159 13.706.481 14.499.577 17.729.031
MVA 13.257.552 6.948.196 (1.151.095) (4.177.601) 5.074.098
MAYA Bank Mayapada Internasional, Tbk
Profit 263.289 385.351 435.562 652.325 1.112.206
Market Value 10.407.089 .469.721 .473.846 714.893 5.340.949
Net Asset 1.845.738 2.412.324 2.852.234 4.587.072 7.382.139
MVA 8.561.351 7.057.397 3.621.612 2.127.821 7.958.810
MEGA Bank Mega, Tbk
Profit 1.377.412 524.780 599.230 1.052.771 1.190.473
Market Value 12.091.816 14.132.983 13.788.276 22.578.303 17.580.052
Net Asset 6.262.821 6.118.505 6.956.675 11.517.195 12.281.531
MVA 5.828.995 8.014.478 6.831.601 11.061.108 5.298.521
Sumber: data diolah dari idx dan ojk
Pada Bank Danamon Indonesia, Tbk profit bergerak cukup stabil, market
value bergerak berfluktuasi cukup tajam sementara net asset cenderung meningkat
UNIVERSITAS SUMATERA UTARA
7
akibatnya MVA mengalami fluktuasi yang cenderung menurun. Pada Bank
Maybank Indonesia, Tbk profit cukup stabil walau ada kenaikan dan penurunan,
market value cenderung turun sebelum akhirnya naik tajam di tahun 2016
sementara itu net asset cenderung meningkat akibatnya MVA juga terus menurun
sebelum akhirnya juga meningkat tajam di tahun 2016. Pada Bank Mayapada
Internasional, Tbk profit terus naik perlahan, market value terlihat menurun
terutama pada tahun 2014 dan 2015 lalu naik tajam di tahun 2016 sementara itu net
asset meningkat setiap tahunnya akibatnya MVA juga menurun tajam di tahun 2015
sebelum akhirnya naik di tahun 2016. Pada Bank Mega, Tbk profit terlihat cukup
stabil, market value terlihat paling tinggi di tahun 2015 lalu menurun di tahun 2016
sementara net asset meningkat setiap tahunnya akibatnya nilai MVA juga
meningkat di tahun 2015 namun menurun tajam di tahun berikutnya.
Keempat bank tersebut memiliki karakteristik yang berbeda-beda,
namun secara umum profit dan net asset mengalami peningkatan di setiap
tahunnya. Sementara itu market value terus berfluktuasi mengikuti harga
saham. Market value sebuah perusahaan menunjukkan bagaimana nilai
perusahaan di hadapan stakeholder. Peran intellectual capital dapat terlihat
dari kesenjangan nilai pasar dan net asset.
Intellectual Capital sebagai aset tak berwujud dinilai sangat berpengaruh
terhadap penciptaan nilai dalam perusahaan perbankan. Dalam dunia perbankan
yang mengutamakan pelayanan dan sistem kerja yang semakin modern serta
banyaknya produk-produk bank yang berkaitan sangat erat dengan transaksi
keuangan dinilai membutuhkan Intellectual Capital yang handal dan terus
UNIVERSITAS SUMATERA UTARA
8
disempurnakan. Penguasaan dan pengetahuan terhadap teknologi merupakan salah
satu bentuk Intellectual Capital yang harus dimiliki oleh semua perusahaan
perbankan yang ingin bertahan.
Kinerja keuangan yang baik menunjukkan bahwa perusahaan mampu
menjalankan kegiatan operasinya sesuai dengan perencanaan dan menunjukkan
bagaimana tingkat efisiensi dan efektivitas perusahaan dalam memanfaatkan sumber
daya. Kinerja keuangan perusahaan dapat menunjukkan bagaimana potensi yang
dimiliki oleh perusahaan di masa depan. Kenerja keuangan merupakan bentuk
pertanggungjawaban perusahaan perusahaan secara finansial kepada para
stakeholder.
Penelitian terdahulu banyak yang menggunakan rasio keuangan sebagai
proksi kinerja keuangan, rasio-rasio itu terdiri atas rasio-rasio yang profitabilitas
seperti ROA, ROE, GR. Penelitian ini menggunakan pengukuran kinerja keuangan
berbasis nilai yaitu Economic Value Added (EVA) dan Market Value Added
(MVA).
Kebanyakan rasio-rasio keuangan belum menunjukkan dengan jelas
kemampuan sebuah perusahaan dalam menghasilkan nilai tambah karena
perhitungannya masih berbasis profit. EVA akan menunjukkan kemampuan
perusahaan menghasilkan nilai tambah dari kegiatan pendanaan di dalam sebuah
bisnis dengan memperhitungkan cost of capital. Selain EVA, terdapat pengukuran
kinerja berbasis nilai lainnya yang umum digunakan yaitu Market Value Added
(MVA).
Bank devisa merupakan bank yang dapat melaksanakan transaksi ke luar
UNIVERSITAS SUMATERA UTARA
9
negeri atau yang berhubungan dengan mata uang asing secara keseluruhan,
misalnya transfer keluar negeri, inkaso ke luar negeri, pembukaan dan
pembayaran Letter of Credit dan transaksi lainnya (Kasmir, 2008). Dengan jumlah
bank yang meningkat dan kemampuan untuk melakukan transaksi luar negeri
menjadikan bank devisa di Indonesia sebagai kelompok bank yang memiliki
potensi menjanjikan sekaligus memiliki risiko dan persaingan yang tinggi. Alasan
tersebut membuat penulis tertarik untuk menganalisis pengaruh Intellectual
capital terhadap kinerja keuangan perusahaan perbankan yang tergabung dalam
kelompok bank Bank Umum Swasta Nasional Devisa. Berdasarkan uraian
tersebut, maka peneliti akan melakukan penelitian dengan mengambil judul,
“Analisis Pengaruh Intellectual Capital Terhadap Economic Value Added dan
Market Value Added Bank Umum Swasta Nasional Devisa Di Indonesia”.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, maka permasalahan yang
diteliti dapat dirumuskan sebagai berikut:
1. Apakah komponen Intellectual Capital; Value added of capital employee
(VACA), Value added of human capital (VAHU), dan Structural capital
value added (STVA) secara bersama-sama berpengaruh terhadap Economic
Value Added (EVA) bank?
2. Apakah komponen Intellectual Capital; Value added of capital employee
(VACA), Value added of human capital (VAHU), dan Structural capital
value added (STVA) secara parsial berpengaruh terhadap Economic Value
Added (EVA) bank?
UNIVERSITAS SUMATERA UTARA
10
3. Apakah komponen Intellectual Capital; Value added of capital employee
(VACA), Value added of human capital (VAHU), dan Structural capital
value added (STVA) secara bersama-sama berpengaruh terhadap Market
Value Added (MVA) bank?
4. Apakah komponen Intellectual Capital; Value added of capital employee
(VACA), Value added of human capital (VAHU), dan Structural capital value
added (STVA) secara parsial berpengaruh terhadap Market Value Added
(MVA) bank?
1.3 Tujuan Penelitian
Adapun tujuan dari pelaksanaan penelitian ini adalah untuk
mengidentifikasi dan menganalisis hubungan antara Intellectual Capital yang
diukur menggunakan VAICTM
terhadap kinerja keuangan perusahaan yang diukur
dengan menggunakan konsep Economic Value Added dan Market Value Added.
1.4 Manfaat Penelitian
1. Bagi Akademisi
Hasil penelitian ini diharapkan mampu memperkaya wawasan dalam
pemahaman konsep terhadap teori manajemen keuangan terutama mengenai
Intellectual Capital, Economic Value Added dan Economic Value Added.
2. Bagi Praktisi
Hasil penelitian ini diharapkan mampu untuk memberikan gambaran
mengenai Intellectual Capital sehingga dapat diaplikasikan dalam
menjalankan organisasi terutama bisnis yang kaya akan Intellectual Capital.
UNIVERSITAS SUMATERA UTARA
11
3. Bagi Peneliti Selanjutnya
Hasil penelitian ini dapat dijadikan tambahan bahan pertimbangan atau
referensi dalam penelitian lebih lanjut mengenai Intellectual Capital dan
pengukuran kinerja keuangan perusahaan berbasis nilai mengggunakan
metode EVA dan MVA
UNIVERSITAS SUMATERA UTARA
11
BAB II
TINJAUAN PUSTAKA
2.1 Uraian Teoritis
2.1.1 Stakeholder Theory
Berdasarkan teori stakeholder, manajemen organisasi diharapkan untuk
melakukan aktivitas yang dianggap penting oleh stakeholder mereka dan
melaporkan kembali aktivitas-aktivitas tersebut pada stakeholder (Ulum , 2009).
Deegan (dalam Ulum 2009) menyatakan stakeholder memiliki hak untuk
disediakan informasi tentang bagaimana aktivitas organisasi mempengaruhi
mereka (sebagai contoh melalui polusi, sponsorship, inisiatif pengamanan, dan
lain-lain), bahkan ketika mereka memilih untuk tidak menggunakan informasi
tersebut dan bahkan ketika mereka tidak dapat secara langsung memainkan peran
yang konstruktif dalam kelangsungan hidup organisasi.
2.1.2 Legitimacy Theory
Teori legitimasi menyatakan bahwa organisasi secara berkelanjutan
mencari cara untuk menjamin operasi mereka berada dalam batas dan norma yang
berlaku di masyarakat (Deegan dalam Ulum , 2009). Menurut Deegan (dalam
Ulum, 2009), dalam perspektif teori legitimasi, perusahaan akan secara sukarela
melaporkan aktivitasnya jika manajemen menganggap bahwa hal ini adalah hal
yang diharapkan komunitas. Teori legitimasi bergantung pada premis bahwa
terdapat „kontrak sosial‟ antara perusahaan dengan masyarakat di mana perusahaan
UNIVERSITAS SUMATERA UTARA
12
tersebut beroperasi. Kontrak sosial adalah suatu cara untuk menjelaskan sejumlah
besat harapan masyarakat tentang bagaimana seharusnya organisasi melaksanakan
operasinya. Harapan sosial ini tidak tetap, namun berubah seiring berjalannya
waktu. Hal ini menuntut perusahaan untuk responsif terhadap lingkungan dimana
mereka beroperasi .
Berdasarkan teori legitimasi, organisasi harus secara berkelanjutan
menunjukkan telah beroperasi dalam perilaku yang konsisten dengan nilai sosial
(Guthrie dan Parker dalam Ulum , 2009). Teori legitimasi sangat erat berhubungan
dengan pelaporan IC dan juga erat hubungannya dengan penggunaan metode
content analysis sebagai ukuran dari pelaporan tersebut. Perusahaan sepertinya
lebih cenderung untuk melaporkan IC mereka jika mereka memiliki kebutuhan
khusus untuk melakukannya (Ulum , 2009).
Menurut pandangan teori legitimacy, perusahaan akan terdorong untuk
menunjukkan kapasitas IC-nya dalam laporan keuangan untuk memperoleh
legitimasi dari pubik atas kekayaan intelektual yang dimilikinya. Pengakuan
legitimasi publik ini menjadi penting bagi perusahaan untuk mempertahankan
eksistensinya dalam lingkungan sosial perusahaan (Ulum , 2009).
2.1.3 Knowledge Based Theory
Resorce-Based Theory adalah suatu pemikiran yang berkembang dalam
teori manajemen strategik dan keunggulan kompetitif perusahaan yang meyakini
bahwa perusahaan akan mencapai keunggulan apabila memiliki sumber daya yang
unggul (Solikhah et al. dalam Untara, 2014). Menurut Resource-Based Theory
perusahaan akan unggul dalam persaingan usaha dan mendapatkkan kinerja
UNIVERSITAS SUMATERA UTARA
13
keuangan yang baik dengan cara memiliki, menguasai dan memanfaatkan aset-aset
strategis yang penting (aset berwujud dan aset tidak berwujud) (Untara, 2014).
Knowledge based theory menganggap pengetahuan sebagai sumber daya
yang sangat penting bagi perusahaan, karena pengetahuan merupakan aset yang
apabila dikelola dengan baik akan meningkatkan kinerja perusahaan.semakin baik
perusahaan dapat mengelola dan memanfaatkan Intellectual Capital yang dimiliki,
diharapkan akan menciptakan kompetensi yang khas bagi perusahaan yang
diharapkan mampu mendukung kemampuan perusahaan dalam memenuhi
kebutuhan pelanggan (Dewi, 2011).
Widyaningrum (2014) menyatakan ekonomi global dua dasawarsa terakhir
ditandai dengan munculnya industri-industri baru yang berbasis pengetahuan
(knowledge based-industries) melengkapi industri bebasis sumber daya fisik yang
mendominasinya sebelumnya. Beberapa jenis knowledge based industries antara
lain: industri komputer, industri software, industri yang bergerak di bidang
penelitian, industri yang bergerak di bidang jasa (industri keuangan dan asuransi)
dan lain-lain. Yang terjadi dalam knowledge based industries adalah proses
pentransformasian, pengkapitalisasian dan pentransferan pengetahuan sebagai
sarana untuk memperoleh penghasilan (Widyaningrum, 2004).
2.1.4 Intellectual Capital
1. Defenisi Intellectual Capital
Intellectual Capital has been considered by many, defined by some, understood
by a select few, and formally valued by practically no one (Stewart, 1997: Sveiby,
1997). Banyak peneliti yang tertarik untuk mengungkap keberadaan Intellectual
UNIVERSITAS SUMATERA UTARA
14
Capital namun defenisi Intellectual Capital sendiri masih belum baku.
Intellectual Capital di dalam pencatatan laporan keuangan termasuk ke dalam
intangible asset. Di sisi lain Organisation for Economic Co-operation and
Development (OECD, 1999) menjelaskan Intellectual Capital sebagai nilai
ekonomi dari dua kategori aset tak berwujud: (1) organisational (structural)
capital; dan (2) human capital (Ulum , 2009)
Seringkali, istilah Intellectual Capital diperlakukan sebagai sinonim dari
aktiva tidak berwujud. Meskipun demikian, defenisi yang diajukan OECD
menyajikan cukup perbedaan dengan meletakkan Intellectual Capital sebagai
bagian terpisah dari dasar penetapan intangible assets secara keseluruhan
suatu perusahaan (Ulum, 2007). Harrison & Sullivan (2000), menyatakan
Intellectual Capital adalah pengetahuan yang dapat diubah menjadi laba.
IC umumnya diidentifikasikan sebagai perbedaan antara nilai pasar
perusahaan (bisnis perusahaan) dan nilai buku dari aset perusahaan tersebut
atau financial capitalnya. Hal ini berdasarkan suatu observasi bahwa sejak
akhir 1980-an, nilai pasar dari bisnis kebanyakan dan secara khusus adalah
bisnis yang berdasar pengetahuan telah menjadi lebih besar dari nilai yang
dilaporkan dalam laporan keuangan berdasarkan perhitungan yang dilakukan
oleh akuntan (Roslender & Flinchman dalam Ulum 2009).
2. Komponen Intellectual Capital
Bontis et al. (2000), membandingkan beberapa studi mengenai Intellectual
Capital. Secara umum Intellectual Capital mencakup human capital,
structural capital, intellectual property dan reational/customer capital. Tabel
UNIVERSITAS SUMATERA UTARA
15
2.1 menunjukkan perbandingan konsep intellectual capital menurut beberapa
peneliti yang dirangkum oleh Bontis et al. (2000).
Tabel 2.1
Perbandingan Konsep Intellectual Capital Menurut Beberapa Peneliti
Annie Brooking (UK) Göran Ross (UK) Thomas Stewart (USA)
Nick Bontis (Canada)
Human-centered asset Skills, abilities,and expertise, problem solving abilities and leadership styles
Human Capital Competence, attitude, and intellectual agility
Human capital Employees are an organisation's most important asset
Human capital The individual-level knowledge that each employee possesses
Infrastructure asset All the technologies, processes and methodologies that enable company to function
Organisational capital All organisational, innovation, processes, intellectual property, and cultural assets
Structural capital Knowledge embedded in information technology
Structural capital Non-human assets or organisational capabilities used to meet market requirements
Intellectual property Know-how, trademarks and patents
Renewal and development capital New patents and training efforts
Structural capital All patents, plans and trademarks
Intellectual property Unlike IC, IP is a protected asset and has a legal definition
Market asset Brands, customers, customer loyalty and distribution channels
Relational capital Relationship which include internal and external stakeholders
Customer capital Market information used to capture and retain customers
Relational capital Customer capital is only one feature of the knowledge embedded in organisational relatioship
Sumber: Bontis et al. (2000)
Skandia Value Scheme dikembangkan oleh Edvinsson pada tahun 1993.
Sumber: Edvinsson and Malone (dalam Ulum 2009)
Gambar 2.1
Skandia Value Scheme
UNIVERSITAS SUMATERA UTARA
16
Dalam skema ini Intellectual Capital dibagi ke dalam structural capital dan
human capital. Structural capital mencakup customer dan organizational capital,
organizational terdiri dari innovation dan process capital, process capital
merepresentasikan know-how (misalnya manual, praktik terbaik) di dalam
perusahaan. Innovation adalah sesuatu yang menciptakan keberhasilan di masa
depan dan mencakup aset intelektual dan properti intelektual (Ulum , 2009).
Haanes dan Lowendahl (1997) mengelompokkan Intellectual Capital suatu
perusahaan ke dalam competence dan relational resources. Model yang
dikembangkan Loweldahl (1997) memperbaiki model dalam Gambar 2.1 dan
membagi kategori kompetensi dan rasional menjadi dua sub-group (Tan et al.
dalam Ulum, 2007):
a. individual; dan
b. collective.
Stewart (1997) mengklasifikasikan Intellectual Capital ke dalam tiga format
dasar, yaitu:
a. human capital;
b. structural capital;
c. customer capital.
3. Pengukuran Intellectual Capital
Metode pengukuran Intellectual Capital dapat dikelompokkan ke dalam dua
kategori, yaitu: (Tan et al. dalam Ulum, 2007)
a. kategori yang tidak menggunakan pengukuran moneter; dan
b. kategori yang menggunakan ukuran moneter.
UNIVERSITAS SUMATERA UTARA
17
Metode yang kedua tidak hanya termasuk metode yang mencoba mengestimasi
nilai uang dari Intellectual Capital, tetapi juga ukuran-ukuran turunan dari nilai
uang dengan menggunakan rasio keuangan. Berikut adalah daftar ukuran
Intellectual Capital yang berbasis moneter (Tan et al. dalam Ulum , 2009):
a. The Balance Scorecard, dikembangkan oleh Kaplan dan Norton (1992);
b. Brooking’s Technology Broker method (1996);
c. The Skandia IC Report method oleh Edvinssion dan Malone (1997);
d. The IC-Index dikembangkan oleh Roos et al. (1997);
e. Intangible Asset Monitor approach oleh Sveiby (1997);
f. The Heuristic Frame dikembangkan oleh Joia (2000);
g. Vital Sign Scorecard dikembangkan oleh Vanderkaay (2000); dan
h. The Ernst & Young Model (Barsky dan Marchant, 2000)
Sedangkan model penilaian intellectual yang berbasis moneter adalah sebagai
berikut (Tan et al. dalam Ulum, 2007):
a. The EVA and MVA model (Bontis et al. 2000);
b. The Market-to-Book Value model (beberapa penulis);
c. Tobin’s q method (Luthy, 1998);
d. Pulic’s VAICTM
Model (1998,2000)
e. Calculated intangible value (Dzinkowski, 2000); dan
f. The Knowledge Capital Earnings model (Lev dan Feng, 2001)
2.1.5 Value Added Intellectual Coefficient (VAICTM
)
Metode value added intellectual coefficient (VAICTM
) dikembangkan oleh
Pulic pada tahun 1997 yang didesain untuk menyajikan informasi tentang value
UNIVERSITAS SUMATERA UTARA
18
creation efficiency dari aset berwujud (tangible asset) dan aset tidak berwujud
(intangible asset) yang dimiliki perusahaan. VAICTM
merupakan instrumen untuk
mengukur kinerja Intellectual Capital perusahaan. Pendekatan ini relatif lebih
mudah dan sangat mungkin untuk dilakukan, karena dikonstruksi dari akun-akun
dalam laporan keuangan perusahaan (neraca, laba rugi) (Ulum , 2009).
Ulum (2009) menyatakan bahwa model ini mulai dimulai dengan
kemampuan perusahaan untuk menciptakan value added (VA). Value added
adalah indikator paling objektif untuk menilai keberhasilan bisnis dan
menunjukkan kemampuan perusahaan dalam menciptakan nilai (value creation).
VA dihitung sebagai selisih antara output dan input.
Tan et al. (dalam Ulum 2007) menyatakan bahwa Output (OUT)
merepresentasikan revenue dan mencakup seluruh produk dan jasa yang dijual di
pasar, sedangkan input (IN) mencakup seluruh beban yang digunakan dalam
memperoleh revenue. Hal penting dalam model ini adalah bahwa beban karyawan
(labour expenses) tidak termasuk dalam IN. Karena peran aktifnya dalam proses
value creation, intellectual potential (yang direpresentasikan dengan labour
expenses) tidak dihitung sebagai biaya (cost) dan tidak masuk dalam komponen IN
(Pulic, 1999). Karena itu, aspek kunci dalam model Pulic adalah memperlakukan
tenaga kerja sebagai entitas penciptaan nilai (value creation entity) (Tan et al.
Dalam Ulum, 2007)
Secara ringkas, formulasi dan tahapan perhitungan VAICTM
adalah sebagai
berikut (Ulum, 2009):
Tahap Pertama:Menghitung Value Added (VA). VA dihitung sebagai selisih antara
UNIVERSITAS SUMATERA UTARA
19
output dan input.
VA = OUT – IN
Di mana:
OUT = Output: total penjualan dan pendapatan lain.
IN = Input: beban penjualan dan biaya-biaya lain (selain beban karyawan).
Value added (VA) juga dapat dihitung dari akun-akun perusahaan
sebagai berikut:
VA = OP + EC + D + A
Di mana:
OP = operating profit (laba operasi)
EC = employee cost (beban karyawan)
D = depreciation (depresiasi)
A = amortisation (amortisasi)
Tahap Kedua: Menghitung Value Added Capital Employed (VACA).
VACA adalah indikator untuk VA yang diciptakan oleh satu unit dari physical
capital. Rasio ini menunjukkan kontribusi yang dibuat oleh setiap unit dari CE
terhadap value added organisasi.
VACA = VA/CE
Di mana:
VACA = Value Added Capital Employed: rasio dari VA terhadap CE.
VA = Value added
CE = Capital Employed: dana yang tersedia (ekuitas, laba bersih)
Tahap Ketiga: Menghitung Value Added Human Capital (VAHU).
UNIVERSITAS SUMATERA UTARA
20
VAHU menunjukkan berapa banyak VA yang diciptakan dengan dana yang
dikeluarkan untuk tenaga kerja. Rasio ini menunjukkan kontribusi yang dibuat
oleh setiap rupiah yang diinvestasikan dalam HC terhadap value added organisasi.
VAHU = VA/HC
Di mana:
VAHU = Value Added Human Capital: rasio dari VA terhadap HC.
VA = Value Added
HC = Human capital: beban karyawan
Tahap Keempat: Menghitung Structural Capital Value Added (STVA).
Rasio ini mengukur jumlah SC yang dibutuhkan untuk menghasilkan 1 rupiah dari
VA dan merupakan indikasi bagaimana keberhasilan SC dalam penciptaan nilai.
STVA = SC/VA
Di mana:
STVA = Structural Capital Value Added: rasio dari SC terhadap VA.
SC = Structural Capital: VA – HC
VA = value added
Tahap Kelima: Menghitung Value Added Intellectual Coefficient (VAICTM
).
VAICTM
mengindikasikan kemampuan intellektual organisasi yang dapat juga
dianggap sebagai BPI (Business Performance Indicator). VAICTM
merupakan
penjumlahan dari 3 komponen sebelumnya, yaitu: VACA, VAHU, dan STVA.
VAICTM
= VACA + VAHU + STVA
Keunggulan metode VAICTM
adalah karena data yang dibutuhkan relatif
mudah diperoleh dari berbagai sumber dan jenis perusahaan. Data yang
UNIVERSITAS SUMATERA UTARA
21
dibutuhkan untuk menghitung berbagai rasio tersebut adalah angka-angka
keuangan yang standar yang umumnya tersedia dari laporan keuangan perusahaan.
Alternatif pengukuran IC lainnya terbatas hanya menghasilkan indikator keuangan
dan non-keuangan yang unik yang hanya untuk melengkapi profil suatu
perusahaan secara individu. Indikator-indikator tersebut, khususnya indikator non-
keuangan, tidak tersedia atau tidak tercatat oleh perusahaan yang lain (Tan et al.
dalam Ulum 2009). Konsekuensinya, kemampuan untuk menerapkan pengukuran
IC alternatif tersebut secara konsisten terhadap sample yang besar dan
terdiversifikasi menjadi terbatas (Firer dan Williams dalam Ulum, 2009).
2.1.6 Economic Value Added (EVA)
Nick Ryan (2011), seorang tutor di ATC International menuliskan bahwa
banyak organisasi menggunakan ukuran berbasis profit sebagai ukuran utama kinerja
keuangan mereka. Dua masalah yang berkaitan dengan profit di bidang ini adalah:
1. Profit mengabaikan biaya modal ekuitas. Perusahaan hanya menghasilkan
kekayaan ketika mereka menghasilkan laba melebihi pengembalian yang
diminta oleh penyedia modal - baik ekuitas maupun hutang. Dalam laporan
keuangan, perhitungan laba memang memperhitungkan biaya pembiayaan
hutang, namun mengabaikan biaya penyertaan modal.
2. Profit yang dihitung sesuai dengan standar akuntansi tidak benar-benar
mencerminkan kekayaan yang telah diciptakan, dan dapat dimanipulasi
oleh akuntan.
EVA dikembangkan oleh perusahaan konsultasi AS Stern Stewart & Co,
dan telah banyak digunakan di antara banyak perusahaan terkenal seperti Siemens,
UNIVERSITAS SUMATERA UTARA
22
Coca Cola dan Herman Miller. EVA didasarkan pada teknik residual income yang
telah digunakan sejak awal abad ke-20 (Ryan, 2011).
Mojtahedi & Ashrafipour (2013) menyatakan bahwa Economic Value
Added adalah ukuran kinerja keuangan yang lebih mendekati daripada ukuran
kinerja keuangan yang lain untuk menangkap keuntungan ekonomi sebenarnya
dari suatu perusahaan. Dengan demikian, di bidang ekonomi dan keuangan
modern, EVA (Economic Value Added) memegang peranan penting yang kurang
didebatkan di kalangan praktisi.
Menurut David & O‟byrne (dalam Ikhwan HS 2012), EVA mengukur
perbedaan, dalam pengertian keuangan antara pengembalian atas modal
perusahaan dan biaya modal. EVA mampu menghitung laba ekonomi yang
sebenarnya atau True Economic Profit suatu perusahaan pada tahun tertentu dan
sangat berbeda jika dibandingkan dengan laba akuntansi.
Secara teknis perbedaan pengukuran kinerja keuangan menggunakan
EVA dengan perhitungan laba akuntansi terletak pada opportunity cost yang
dimiliki oleh modal yang diinvestasikan baik yang didanai oleh utang maupun
modal sendiri. Perhitungan laba akuntansi sudah memperhitungkan biaya yang
timbul akibat utang dalam bentuk beban bunga namun masih mengabaikan
opportunity cost yang dimiliki oleh ekuitas. Pengukuran kinerja keuangan
dengan menggunakan EVA akan memperhitungkan seluruh opportunity cost
dari modal yang diinvestasikan.
Pembahasan mengenai EVA akan sangat berkaitan dengan cost of capital dan
komposisi struktur modal perusahaan. Cost of capital atau biaya modal akan dijadikan
UNIVERSITAS SUMATERA UTARA
23
sebagai acuan untuk mengetahui capital charge sebagai konsekuensi dari pembiayaan.
Dalam perhitungan EVA terdapat beberapa langkah yang harus dilalui.
Langkah-langkah penghitungan EVA adalah sebagai berikut (Tunggal dalam
Retnowati, 2010):
1. Menghitung NOPAT (Net Operating Profit After Tax)
NOPAT adalah laba yang diperoleh dari operasi perusahaan setelah dikurangi
pajak penghasilan, tetapi termasuk biaya keuangan (financial cost) dan non
cash bookeeping entries seperti biaya penyusutan. NOPAT dapat diperoleh
dari laporan laba perusahaan yaitu data mengenai pendapatan bersih setelah
pajak dan besarnya biaya bunga yang ditanggung perusahaan.
2. Menghitung Invested Capital
Invested Capital adalah jumlah seluruh pinjaman perusahaan diluar
pinjaman jangka pendek tanpa bunga, seperti hutang dagang, biaya yang
masih harus dibayar, hutang pajak, uang muka untuk pelanggan. Invested
Capital dapat diperoleh dari laporan neraca perusahaan, yaitu data
mengenai total hutang, total ekuitas pinjaman jangkan pendek tanpa bunga
yang meliputi hutang dagang, biaya yang masih harus dibayar, hutang
pajak, uang muka untuk pelanggan.
3. Menghitung WACC ( Weighted Avarage Cost of Capital )
WACC adalah jumlah biaya masing-masing komponen modal, misalnya
jumlah dari masing-masing komponen modal misalnya pinjaman jangka
pendek dan pinjaman jangka panjang serta setoran modal saham yang
diberikan bobot sesuai dengan proporsinya dalam struktur modal perusahaan.
UNIVERSITAS SUMATERA UTARA
24
4. Menghitung Capital Charges
Capital Charges adalah aliran kas yang dibutuhkan untuk mengganti para
investor atas resiko usaha dari modal yang ditanamkan. Biaya modal adalah
tingkat pengembalian yang harus dihasilkan oleh perusahaan atas investasi
proyek untuk mempertahankan nilai pasar sahamnya.
5. Menghitung EVA
EVA dapat didefinisikan sebagai suatu sistem manajemen keuangan untuk
mengukur laba ekonomi dalam suatu perusahaan, yang menyatakan bahwa
kesejahteraan hanya dapat tercipta jika perusahaan mampu memenuhi semua
biaya operasi dan biaya modal. EVA dapat dihitung dari laba sebelum beban
bunga dan pajak dikurangi beban pajak dikurangi biaya modal.
Untuk menghitung Ke yakni biaya ekuitas digunakan pendekatan Capital
Asset Pricing Model (CAPM). Dimana pendekatan dengan konsep tersebut
menghasilkan hasil yang lebih akurat dan lebih banyak dipakai dalam penentuan
biaya ekuitas dalam menilai EVA. Adapun langkah-langkah metode CAPM
(Primadia, 2011):
1.
Keterangan:
Rit = tingkat pengembalian saham perusahaan bulan ke-t
Pit = harga saham perlembar bulan t
Pit-1 = harga saham per lembar bulan sebelumnya
Dt = Dividen pada bulan ke-t
2. Rmt =
UNIVERSITAS SUMATERA UTARA
25
E(Rm) =
Keterangan:
Rmt = tingkat pengembalian pasar pada bulan ke-t
IHSGt = Indeks Harga Saham Gabungan bulan ke-t
IHSGt-1 = Indeks Harga Saham Gabungan bulan ke t-1
N = jumlah data
E (Rm) = tingkat pengembalian pasar yang diharapkan
3. βi =
Keterangan:
σim = kovarian tingkat pengembalian saham i dengan tingkat
pengembalian pasar
σ2m = varian tingkat pengembalian pasar
4. Rf = Tingkat pengembalian bebas risiko
= tingkat suku bunga Sertifikat Bank Indonesia
5. Ke = Rf + βi E (Rm – Rf)
Keterangan:
Rm = tingkat pengembalian atas resiko pasar
B = Faktor resiko (beta) yang berlaku untuk Perusahaan
MRP = Market Premium Risk (Premi Resiko Pasar)
Pengukuran kinerja menggunakan EVA akan menghasilkan tiga kondisi;
EVA > 0, bernilai positif. Nilai EVA yang positif menunjukkan bahwa profit yang
dihasilkan oleh perusahaan telah mampu menutupi capital charge, dengan
demikian terjadi penciptaan nilai (value creation). Dalam kondisi ini perusahaan
UNIVERSITAS SUMATERA UTARA
26
mampu menutupi segala kewajiban, pemegang saham mendapatkan pengembalian,
dan karyawan sejahtera.
EVA = 0. Nilai nol menunjukkan bahwa profit yang dihasilkan oleh perusahaan
impas dengan capital charge, dengan kata lain tak terdapat penciptaan nilai namun
perusahaan bisa memenuhi segala kewajiban.
EVA < 0, bernilai negatif. Nilai EVA yang negatif menunjukkan bahwa profit
yang dihasilkan oleh perusahaan tidak mampu menutupi capital charge, dengan
demikian dapat dikatakan telah terjadi penghancuran nilai (value destruction).
Dalam kondisi ini perusahaan tidak mampu memberi pengembalian yang
diinginkan oleh pemegang saham.
2.1.7 Market Value Added (MVA)
Market Value Added (MVA) merupakan selisih antara nilai pasar dengan
modal yang diinvestsikan oleh para investor. Market Value Added (MVA)
dipandang sebagai ukuran untuk melihat kemampuan suatu perusahaan dan bank
dalam memberikan kekayaan bagi investornya (Primadia, 2011). Menurut Taufik
dalam Prehatiningsih (2007), MVA adalah perbedaan antara modal yang
ditanamkan di perusahaan sepanjang waktu – dari investasi modal, pinjaman dan
laba ditahan dan uang yang bisa diambil sekarang.
Menurut Ruky (dalam Saputra 2012), terdapat dua komponen pembentuk
MVA, yakni market value equity atau nilai pasar ekuitas dan equity capital suplied
by shareholders atau jumlah modal yang diinvestasikan dalam perusahaan. Market
value equity adalah nilai pasar yang dicerminkan dengan harga saham perusahaan
yang dikalikan dengan jumlah saham yang beredar. Sedangkan equity capital
UNIVERSITAS SUMATERA UTARA
27
supplied by shareholders dapat diperoleh dari nilai buku perusahaan. Dengan
demikian, MVA dapat dirumuskan sebagai berikut:
MVA = (Market Value x Shares Outstanding) – book value
1. Market Value (Nilai Pasar) sebagai Komponen MVA
Nilai pasar adalah nilai aset yang berlaku di pasar modal. Nilai ini ditentukan
oleh kekuatan penawaran dan permintaan di pasar modal. Jadi, nilai pasar
perusahaan dapat ditetapkan berdasarkan harga saham.
2. Shares Outstanding (Jumlah Saham) sebagai Komponen MVA
Jumlah saham di sini adalah jumlah saham yang diedarkan oleh sebuah
perusahaan. Saham yang beredar tersebut merupakan hak atas sebagian dari
perusahaan terbatas atas suatu bukti penyertaan atau partisipasi dalam modal
suatu perusahaan (Keown et al. 2001). Seorang investor yang memiliki saham
suatu perusahaan berarti turut memiliki sebagian dari perusahaan tersebut.
3. Book Value (Nilai Buku) sebagai Komponen MVA
Nilai buku ekuitas adalah total nilai ekuitas atau modal yang ditanamkan pada
perusahaan yang tercantum pada laporan neraca keuangan perusahaan. Nilai
ini menggambarkan biaya historikal aktiva daripada nilai pasar sekarang. Jika
MVA lebih besar daripada nol, maka perusahaan telah menciptakan
kemakmuran bagi pemegang saham, tetapi jika MVA bernilai negatif, maka
perusahaan telah melakukan kinerja yang buruk karena telah menghancurkan
modal investor.
Menurut Primadia (2011), metode pengukuran kinerja keuangan dengan
Market Value Added memiliki keunggulan yakni dapat mencerminkan bagaimana
UNIVERSITAS SUMATERA UTARA
28
keputusan pasar suatu manajer perusahaan yang telah dapat sukses meningkatkan
kinerja perusahaan khususnya kinerja keuangan, serta dapat membangun
kepercayaan dari para investor untuk menenaman modalnya di perusahaan
tersebut. Berbeda dengan perhitungan rasio keuangan yang pada umumnya
digunakan perusahaan untuk mengukur kinerja keuangan suatu perusahaan dengan
melihat pos-pos kas tersebut sehingga diperoleh nilai apakah kondisi keuangan
sehat atau tidak sehat, metode pengukuran kinerja keuangan MVA melihat,
menilai dan menggambarkan bukan hanya kondisi keuangan perusahaan yang
sehat tetapi juga kemampuan perusahaan tersebut dalam menghasilkan kekayaan
bagi pemegang saham dan gambaran peningkatan nilai perusahaan.
Sebagai metode pengukuran kinerja keuangan, MVA juga memiliki
kelemahan. Menurut O‟Byrne (dalam Primadia 2011), adapun kelemahan dari
metode MVA diantaranya adalah:
1. MVA cenderung tidak memperhatikan kesempatan biaya modal yang
diinvestasikan dalam perusahaan.
2. Pengukuran MVA cenderung tidak memperhitungkan uang kas pada masa lalu
kepada pemegang saham.
3. MVA merupakan pengukuran kekayaan pemegang saham pada suatu periodik
tertentu saja.
2.2 Penelitian Terdahulu
Adapun penelitian terdahulu yang relevan mengenai Intellectual Capital
beserta Economic Value Added dan Market Value Added sebagai berikut.
UNIVERSITAS SUMATERA UTARA
29
1. Robiyansah (2017)
Penelitian ini bertujuan untuk menguji pengaruh Intellectual Capital
terhadap Market Value Added (MVA). Variabel independen yang
digunakan dalam penelitian ini adalah komponen pembentuk Intellectual
Capital yang diukur dengan menggunakan Value Added Human Capital
(VAHU), Structural Capital Value Added (STVA), dan Value Added
Capital Employed (VACA), sedangkan variabel dependennya adalah
Market Value Added (MVA).
Sampel penelitiannya adalah perusahaan manufaktur sektor industri barang
konsumsi yang terdaftar di Bursa Efek Indonesia (BEI) dengan periode
penelitian tahun 2012-2015. Data dikumpulkan dengan metode purposive
sampling. Adapun sampel yang digunakan adalah 27 perusahaan setiap
tahunnya. Penelitian ini menggunakan regresi linear berganda untuk
analisis data. Hasil penelitian menunjukkan bahwa Value Added Human
Capital (VAHU) dan Structural Capital Value Added (STVA) berpengaruh
terhadap Market Value Added (MVA), sedangkan Value Added Capital
Employed (VACA) tidak berpengaruh terhadap Market Value Added
(MVA).
2. Fika Shelviana (2015)
Sampel penelitian adalah perusahaan-perusahaan perbankan yang terdaftar
di BEI pada tahun 2011 hingga 2013 yang memenuhi kriteria sebanyak 30
perusahaan. Hasil penelitian menunjukkan bahwa Intellectual Capital
berpengaruh secara positif terhadap Economic Value Added suatu
perusahaan. Perusahaan perbankan yang memiliki Intellectual Capital yang
UNIVERSITAS SUMATERA UTARA
30
relatif tinggi cenderung memiliki Economic Value Added yang lebih besar,
begitu pula sebaliknya. Adanya pengaruh positif dari Intellectual Capital
terhadap Economic Value Added menunjukkan bahwa perusahaan
perbankan di Indonesia dari tahun 2011 hingga 2013 sudah optimal dalam
mengalokasikan ketiga komponen Intellectual Capital dalam bentuk
alokasi Sumber Daya Manusia dan struktural sehingga memberi kontribusi
positif dalam upaya perusahaan untuk mendapatkan nilai tambah ekonomi.
3. Reysita Mayasani (2015)
Sampel yang digunakan dalam penelitian ini adalah perusahaan farmasi yang
terdaftar di Bursa Efek Indonesia periode 2009-2013 . Teknik analisis data
yang digunakan dalam penelitian ini bersifat kuantitatif dengan teknik
analisis datanya menggunakan statistik deskriptif, uji asumsi klasik, analisis
regresi, dan pengujian hipotesis. Human Capital Efficiency (HCE)
berpengaruh terhadap Economic Value Added (EVA). Structural Capital
Efficiency (SCE) memiliki pengaruh terhadap Economic Value Added (EVA)
perusahaan. Relational Capital Efficiency (RCE) tidak berpengaruh terhadap
Economic Value Added (EVA). Capital Employed Efficiency (CEE) tidak
memiliki pengaruh terhadap Economic Value Added (EVA).
4. Kaboudi et al. (2015)
Data yang dibutuhkan dalam studi ini telah dikumpulkan menggunakan
software Rahavard Nowin, termasuk laporan keuangan resmi (neraca, laba-
rugi) dan laporan keuangan tahunan dan catatan penjelasan dengan perusahaan
melalui situs Tehran Stock Exchange. Berhubungan dengan peningkatan
dalam hal pemahaman manajer pada peran intangible assets dalam
UNIVERSITAS SUMATERA UTARA
31
menciptakan keunggulan kompetitif, beberapa cara untuk mengukur
Intellectual Capital sudah diciptakan. Analisis linier berganda digunakan
untuk menguji. Hanya VAHU memiliki korelasi positif signifikan terhadap
Economic Value Added dan hubungan antara VACA dan STVA adalah
negatif dan diantara variabel kontrol hanya variabel firm size yang memiliki
korelasi positif dengan economic value addded. Hasil analisis regresi
berganda mengindikasikan bahwa hanya STVA yang memiliki hubungan
negatif dengan Economic Value Added , market value added dan cash value
added.
5. Taheri et al. (2014)
Sebanyak 62 perusahaan dipilih sebagai sampel target dengan menggunakan
simple random sampling. Variabel independen yang digunakan adalah
relational capital (Customer capital) (CEE), Human capital (HC), dan
structural capital (SCE) dengan Economic Value Added (EVA) sebagai
variable dependen. Hasil penelitian ini antara lain sebagai berikut. Terdapat
hubungan positif dan signifikan antara human capital and Economic Value
Added. Terdapat hubungan positif dan signifikan antara customer capital and
Economic Value Added. Terdapat hubungan positif dan signifikan antara
structural capital and Economic Value Added. Berdasarkan hasil dari sub-
hipotesis pertama, kedua dan ketiga, dapat dinyatakan bahwa terdapat
hubungan signifikan antara human capital, relational capital, structural
capital dan Economic Value Added.
UNIVERSITAS SUMATERA UTARA
32
6. Mojtahedi & Ashrafipour (2013)
Penelitian ini berusaha untuk menginvestigasi efektivitas dari komposisi
Intellectual Capital pada EVA pada perusahaan di Malaysia periode 2000
sampai 2011. Intellectual capital sebagai variabel independen terbagi atas
human, relational dan structural capital. Economic Value Added (EVA)
dijadikan variabel dependen untuk mewakili nilai dari sebuah perusahaan.
Debt to equity ratio (DER) dan administrative expense per staff adalah
variabel interveren dan variabel kontrol. Hasil dari penelitian menunjukkan
peningkatan variabel penjelas dari Intellectual Capital yaitu HCE, RCE dan
SCE menyebabkan peningkatan EVA perusahaan. Terdapat hubungan
signifikan antara DER dan EVA. Terdapat hubungan negatif antara
Administrative expense dengan EVA.
7. Mousavi Shiri et al. (2012)
Menguji hubungan antara intellectual capital dan market value added (MVA)
di Tehran Stock Exchange. Dalam penelitian ini intellectual capital diukur
dari dua aspek (efisiensi dan value). Efisiensi diukur menggunakan VAICTM
dan value menggunakan calculated intangible value (CIV). Hubungan antara
IC dan MVA menggunakan panel data dan dengan menggunakan model statis,
dinamis, metode perkiraan dari fixed Effects dan Random Effects. Ukuran
perusahaaan dan financial leverage sebagai variabel kontrol.
Hasil uji statistik mengindikasikan bahwa terlepas dari ukuran perusahaan dan
financial leverage (LEV), VAICTM
dan komponennya memiliki hubungan
signifikan dan positif dengan MVA. Dalam menginvestigasi efek simultan dari
UNIVERSITAS SUMATERA UTARA
33
CIV dan komponen VAICTM
terhadap MVA perusahaan, uji statistik yang
terlepas dari ukuran perusahaan dan LEV, SCE hanya di fixed effect model dan
CEE hanya di fix effects model yang memiliki pengaruh signifikan positif pada
MVA.
Hasil penelitian ini menunjukkan ketiadaan hubungan yang signifikan antara
CIV dan MVA. Yang artinya CIV tidak bisa digunakan untuk menjelaskan
MVA. Sementara itu, hubungan signifikan VAICTM
dan komponennya
terhadap MVA menunjukkan bahwa VAICTM
dapat dijadikan kriteria yang
efektif untuk menjelaskan MVA dan dapat digunakan sebagai alat untuk
mengukur kinerja perusahaan di Terhran Stock Exchange.
8. Molodchik et al. (2012)
Data yang digunakan dalam studi adalah perusahaan publik Eropa dari negara
berbeda. Sampel perusahaan berasal dari industi berikut: kimia, petrokimia,
telekomunikasi, perdagangan grosir, transportasi, jasa keuangan dan teknik
mesin. Variabel independen termasuk indikator intellectual capital
dikelompokkan dalam tiga kategori: (i) human capital berkaitan dengan
karyawan, (ii) relational capital berkaitan dengan konsumen, dan (iii)
structural capital berkaitan degan proses. Kinerja keuangan peusahaan diukur
melalui EVA, EBIT, dan FGV. Studi menggunakan analisis linier berganda.
Faktor industri antara lain: Chemistry, Finance and Transport and
Telecommunications signifikan pada p < 0.05 dalam regresi dengan EVA and
EBIT sebagai variabel dependen. Hasil secara parsial mendukung hipotesis
pertama, pentingnya Intellectual Capital bagi seluruh sampel yang
diinvestigasi tampak dalam jangka pendek. Kemampuan menjelaskan dari
UNIVERSITAS SUMATERA UTARA
34
model lebih tinggi saat peneliti memasukkan variabel industri sebagai
prediktor untuk indikator jangka pendek dan jangka panjang.
9. Nick Bontis et al. (2000)
Tujuan dari studi empiris ini adalah menginvestigasi ketiga elemen
Intellectual Capital yaitu; human capital, structural capital, dan customer
capital dan hubungan nya dalam dua sektor industri di Malaysia. Studi ini
dijalankan menggunakan psychometrically validated questionare. Uji analisis
menggunakan partial least square. Kesimpulan yang didapat dari penelitian
ini adalah; 1) Human capital berpengaruh positif signifikan terhadap customer
capital. 2) Human capital tidak signifikan terhadap structural capital. 3)
Customer capital positif signifikan terhadap structural capital. 4) Structural
capital berpengaruh positif signifikan terhadap business performance.
Tabel 2.2
Penelitian Terdahulu
No Nama (tahun) Judul Penelitian
Teknik Analisis
Hasil Penelitian
1 Robiyansah (2017)
Pengaruh Intellectual Capital Terhadap Market Value Added Pada Perusahaan Manufaktur Sektor Industri Barang Konsumsi Yang Terdaftar Di Bursa Efek Indonesia Periode 2012-2015
Regresi Linier Berganda
1) VAHU berpengaruh terhadap MVA, 2) secara parsial STVA berpengaruh terhadap MVA 3) secara parsial VACA tidak berpengaruh terhadap MVA.
2 Fika Shelviana (2015)
Pengaruh Intellectual Capital Terhadap Economic Value Added Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2011-2013
Regresi linier sederhana
Intellectual Capital berpengaruh secara positif terhadap Economic Value Added
3 Reysita Mayasani (2015)
Pengaruh Modal Intelektual Terhadap Economic Value Added Pada Perusahaan Farmasi Yang Terdaftar Di Bursa Efek Indonesia Periode 2009-2013
Analisis Regresi
1) Human Capital Efficiency (HCE) berpengaruh terhadap EVA. 2)Structural Capital Efficiency (SCE) memiliki pengaruh terhadap EVA perusahaan. 3) Relational Capital Efficiency (RCE) tidak berpengaruh terhadap EVA 4) Capital Employed Efficiency (CEE) tidak memiliki pengaruh terhadap EVA
UNIVERSITAS SUMATERA UTARA
35
Lanjutan Tabel 2.2
No Nama (tahun) Judul Penelitian
Teknik Analisis
Hasil Penelitian
4 Kaboudi et al. (2015)
The relationship between Intellectual Capital and value-based performance measurement variables (Case study: automotive industry companies of Iran)
Regresi linier berganda
1) VAHU memiliki korelasi positif signifikan terhadap Economic Value Added 2) Hubungan antara VACA dan STVA adalah negatif dengan EVA 3) Variabel kontrol, firm size yang memiliki korelasi positif dengan economic value addded 4) Hasil analisis regresi berganda mengindikasikan bahwa hanya STVA yang memiliki hubungan negatif dengan Economic Value Added , market value added dan cash value added.
5 Taheri et al. (2014)
Investigating The Relationship Between Intellectual Capital and Economic Value Added of Listed Companies In Tehran Stock Exchange
Regresi linier berganda
1)Terdapat hubungan positif dan signifikan antara human capital and Economic Value Added. 2)Terdapat hubungan positif dan signifikan antara customer capital and Economic Value Added. 3)Terdapat hubungan positif dan signifikan antara structural capital and Economic Value Added. 4)Terdapat hubungan signifikan antara human capital, relational capital, structural capital dan Economic Value Added.
6 Mojtahedi & Ashrafipour (2013)
The Effect of Intellectual Capital on Economic Value Addes in Malaysians Companies
Panel data, Regresi linier berganda
1) HCE positif signifikan terhadap EVA. 2) SCE positif signifikan terhadap EVA 3) RCE positif signifikan terhadap EVA 4)Intellectual Capital berhubungan positif terhadap EVA. 5) DER sebagai variabel interveren positif signifikan terhadap EVA 6) expense of administrative staff sebagai variabel kontrol berhubungan negatif signifikan terhadap EVA
7 Mousavi Shiri et al. (2012)
The Effect of Intellectual Capital on Market Value Added
Data Panel, Model Regresi
1) CIV tidak bisa digunakan untuk menjelaskan MVA. 2) Hubungan signifikan VAIC dan komponennya terhadap MVA menunjukkan bahwa VAIC dapat dijadikan kriteria yang efektif untuk menjelaskan MVA dan dapat digunakan sebagai alat untuk mengukur kinerja perusahaan di Terhran Stock Exchange
8 Molodchik et al. (2012)
Intellectual Capital impact on financial performance: industry effect
Regresi linier berganda
1) Faktor industri Chemistry,Finance dan Transport dan Telecommunications signifikan pada EVA dan EBIT. 2) Kemampuan menjelaskan dari model lebih tinggi saat peneliti memasukkan variabel industri sebagai prediktor untuk indikator jangka pendek dan jangka panjang
9 Bontis et al. (2000)
Intellectual Capital and Business Performance in Malaysian Industries
Partial least squares
1) Human capital berpengaruh positif signifikan terhadap customer capital. 2) Human capital tidak signifikan terhadap structural capital.3)Customer capital positif signifikan terhadap structural capital. 4) Structural capital berpengaruh positif signifikan terhadap business performance
UNIVERSITAS SUMATERA UTARA
36
2.3 Kerangka Konseptual
Kerangka teoritis merupakan fondasi di mana seluruh proyek penelitian
didasarkan. Kerangka teoritis adalah jaringan asosiasi yang disusun, dijelaskan dan
dielaborasi secara logis antarvariabel yang dianggap relevan pada situasi masalah
dan diidentifikasi melalui proses seperti wawancara, pengamatan, dan survei
literatur (Sekaran, 2006).
Variabel independen pada penelitian ini adalah Intellectual Capital yang
dihitung menggunaan model yang dikembangkan oleh Pulic (1998) yaitu Value
Added Intellectual Coefficient (VAICTM
). VAICTM
terdiri atas value added capital
employed (VACA), value added human capital (VAHU), structural capital value
added (STVA). Dalam penelitian ini akan dilakukan uji secara simultan dan
parsial simultan untuk mengetahui pengaruh elemen-elemen pembentuk VAICTM
terhadap Economic Value Added dan Market Value Added bank devisa di
Indonesia.
VACA merupakan hasil bagi value added terhadap capital employed
(ekuitas dan laba bersih). Nilai VACA yang tinggi menunjukkan bahwa semakin
tinggi pula tingkat efisiensi penggunaan aset. Pendapatan yang dihasilkan mampu
mengimbangi peningkatan aset.
VAHU menunjukkan hubungan value added dengan human capital.
Besarnya human capital dapat dilihat dari beban yang timbul karena
mempergunakan tenaga kerja dalam menjalankan operasi. Human capital yang
berkualitas mampu menghasilkan value yang besar, sehingga diharapkan bahwa
peningkatan beban karyawan juga akan meningkatkan value added. VAHU yang
tinggi menunjukkan bahwa human capital yang dimiliki oleh bank memiliki
UNIVERSITAS SUMATERA UTARA
37
kecakapan yang tinggi dan dikelola dengan efektif sehingga mampu menghasilkan
laba yang tinggi.
STVA menunjukkan kualitas sistem dan struktur organisasi yang dimiliki
oleh perusahaan. Human capital yang berkualitas sekalipun tidak akan bekerja
dengan efektif jika tidak disokong oleh sistem dan struktur organisasi yang tepat.
Structural capital merupakan hal yang terpisah namun sangat berkaitan dengan
human capital, baik human caital maupun structural capital harus menemukan
keseimbangan yang pas agar lebih kokoh karena semakin besar kontribusi HC
dalam value creation, maka akan semakin kecil kontribusi SC dalam hal tersebut.
STVA yang tinggi menunjukkan bahwa structural capital memberi kontribusi
besar dalam penciptaan nilai tambah.
Pengaruh Intellectual Capital terhadap Economic Value Added (EVA),
keberadaan komponen-komponen pembentuk Intellectual Capital menunjukkan
kemampuan perusahaan memanfaatkan modal yang tersedia dengan
memaksimalkan penggunaan intangible asset untuk menghasilkan nilai tambah
dari segi ekonomi.
Penelitian Shelviana (2015)menunjukkan bahwa Intellectual Capital
berpengaruh secara positif terhadap Economic Value Added. Penelitian
Mayasani (2015) menunjukkan adanya variasi hasil antara pengaruh komponen
Intellectual Capital terhadap EVA. Sementara itu penelitian internasional juga
menunjukkan hasil yang tidak jauh berbeda. Pada penelitian Kaboudi et al.
(2015) hanya VAHU memiliki korelasi positif signifikan terhadap Economic
Value Added, berarti terdapat variasi korelasi antara komponen Intellectual
UNIVERSITAS SUMATERA UTARA
38
Capital terhadap Economic Value Added.
Hasil penelitian Taheri et al. (2014) menunjukkan bahwa terdapat
hubungan signifikan antara human capital, relational capital, structural capital
dan Economic Value Added. Hasil yang serupa juga terlihat dari penelitian
Mojtahedi & Ashrafipour (2013) dimana hasil dari penelitian tersebut
menunjukkan peningkatan variabel penjelas dari Intellectual Capital yaitu HCE,
RCE dan SCE menyebabkan peningkatan EVA perusahaan.
Molodchik et al. (2012) Kinerja keuangan peusahaan diukur melalui EVA,
EBIT, dan FGV. Faktor industri Chemistry, Finance dan Transport dan
Telecommunications signifikan pada EVA dan EBIT. Kemampuan menjelaskan
dari model lebih tinggi saat peneliti memasukkan variabel industri sebagai
prediktor untuk indikator jangka pendek dan jangka panjang.
Bontis et al. (2000), human capital berpengaruh positif signifikan terhadap
customer capital, human capital tidak signifikan terhadap structural capital,
customer capital positif signifikan terhadap structural capital dan structural
capital berpengaruh positif signifikan terhadap business performance.
Pengaruh Intellectual Capital terhadap Market Value Added (MVA),
proses Intellectual Capital mampu membuat sebuah perusahaan menghasilkan
laba dan memiliki reputasi yang baik sehingga bisa menarik minat investor untuk
memiliki sahamnya. Permintaan saham yang tinggi tanpa dibarengi penambahan
jumlah volume akan membuat harga saham meningkat. Peningkatan harga saham
mencerminkan adanya penambahan nilai perusahaan di mata pasar.
Pada penelitian Kaboudi et al. (2015) hasil analisis regresi berganda
UNIVERSITAS SUMATERA UTARA
39
mengindikasikan bahwa hanya STVA yang memiliki hubungan negatif dengan
Economic Value Added dan Market Value Added. Berdasarkan penelitian Mousavi
Shiri et al. (2012) hubungan signifikan VAICTM
dan komponennya terhadap MVA
menunjukkan bahwa VAICTM
dapat dijadikan kriteria yang efektif untuk
menjelaskan MVA. Penelitian Robiyansah (2017) menunjukkan bahwa hanya
VACA yang negatif terhadap MVA secara parsial.
Intellectual Capital merupakan modal yang unik, pengaruh Intellectual
Capital terhadap kinerja keuangan telah mulai banyak diteliti oleh peneliti dari
seluruh dunia dengan menggunakan berbagai model pengukuran. Hasil yang
diperoleh dari penelitian-penelitian tersebut juga bervariasi baik secara parsial
maupun simultan. Jenis industri cukup mempengaruhi hubungan Intellectual
Capital dengan kinerja keuangan. Berdasarkan uraian tersebut dapat dibuat
kerangka konseptual pada Gambar 2.2 sebagai berikut.
Gambar 2.2
Kerangka Konseptual
2.4 Hipotesis Penelitian
Berdasarkan rumusan masalah dan kerangka konseptual, hipotesis dalam
VAHU
VACA
STVA
EVA
MVA
UNIVERSITAS SUMATERA UTARA
40
penelitian ini adalah:
1. Komponen Intellectual Capital; Value added of capital employee (VACA),
Value added of human capital (VAHU), dan Structural capital value added
(STVA) secara bersama-sama berpengaruh terhadap Economic Value Added
(EVA) bank.
2. Komponen Intellectual Capital; Value added of capital employee (VACA), Value
added of human capital (VAHU), dan Structural capital value added (STVA)
secara parsial berpengaruh terhadap Economic Value Added (EVA) bank.
3. Komponen Intellectual Capital; Value added of capital employee (VACA),
Value added of human capital (VAHU), dan Structural capital value added
(STVA) secara bersama-sama berpengaruh terhadap Market Value Added
(MVA) bank.Komponen Intellectual Capital; Value added of capital
employee (VACA), Value added of human capital (VAHU), dan Structural
capital value added (STVA) secara parsial berpengaruh terhadap Market
Value Added (MVA) bank.
UNIVERSITAS SUMATERA UTARA
40
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis data yang digunakan dalam penelitian ini adalah penelitian asosiatif
yaitu penelitian bertujuan untuk mengetahui hubungan atau pengaruh dua variabel
atau lebih. Menurut Sugiyono (2009), metode kuantitatif merupakan metode
penelitian yang berlandaskan pada filsafat positivisme, digunakan untuk meneliti
pada populasi atau sampel tertentu, pengumpulan data menggunakan instrumen
penelitian, analisis data bersifat kuantitatif atau statistik, dengan tujuan menguji
hipotesis yang telah ditetapkan.
3.2 Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada perusahaan perbankan yang termasuk dalam
kelompok BUSN Devisa di Indonesia tahun 2012-2016. Data diperoleh dengan
mengakses data publikasi yang tersedia di internet baik dari situs milik Indonesia
Stock Exchange (www.idx.co.id) Bank Indonesia (www.bi.go.id) dan Otoritas
Jasa Keuangan (www.ojk.go.id) maupun situs resmi masing-masing bank. Waktu
penelitian dilaksanakan adalah November 2017 – Februari 2019.
3.3 Batasan Operasional
Adapun yang menjadi batasan operasional pada penelitian ini adalah
sebagai berikut;
1. Variabel independen adalah Intellectual Capital (VAICTM
) yang terdiri atas
VACA, VAHU, STVA.
UNIVERSITAS SUMATERA UTARA
41
2. Variabel dependen adalah Economic Value Added (EVA) dan Market Value
Added (MVA)
3. Data penelitian ini diperoleh dari laporan keuangan dan data keuangan tahun
2012 hingga 2016 yang dipubikasikan dalam www.idx.co.id, www.bi.go.id
dan www.ojk.go.id serta situs resmi masing-masing bank.
3.4 Defenisi Operasional
3.4.1 Variabel Independen
Variabel Independen dalam penelitian ini adalah Intellectual Capital yang
dihitung dengan metode Pulic (1998) menggunakan pendekatan VAICTM
.
VAICTM
memiliki tiga elemen yaitu; VACA, VAHU dan STVA, berikut adalah
tahapan untuk menghitung VAICTM
beserta komponennya.
Tabel 3.1
Tahapan Perhitungan VAICTM
Tahapan Perhitungan Keterangan
1. VA VA = OUT – IN
OUT = Output: total penjualan dan pendapatan lain. IN = Input: beban penjualan dan biaya-biaya lain (selain beban karyawan).
2. VACA VACA = VA/CE
VACA = Value Added Capital Employed: rasio dari VA terhadap CE. VA = Value added CE = Capital Employed: dana yang tersedia (ekuitas, laba bersih)
3. VAHU VAHU = VA/HC
VAHU = Value Added Human Capital: rasio dari VA terhadap HC. VA = Value Added HC = Human capital: beban karyawan
4. STVA STVA = SC/VA
STVA = Structural Capital Value Added: rasio dari SC terhadap VA. SC = Structural Capital: VA – HC VA = value added
5. VAICTM
VAIC
TM = VACA +
VAHU + STVA VAIC
TM = Value Added Intellectual Coefficient
Sumber: Diolah dari Ulum (2009)
UNIVERSITAS SUMATERA UTARA
42
3.4.2 Variabel Dependen
1. Economic Value Added (EVA)
EVA mengukur perbedaan, dalam pengertian keuangan antara pengembalian
atas modal perusahaan dan biaya modal (David & O‟byrne dalam Ikhwan,
2012). Langkah-langkah untuk menghitung Economic Value Added terlihat
pada Tabel 3.2.
Tabel 3.2
Tahapan Perhitungan EVA
No Tahapan Perhitungan Sumber
1 NOPAT NOPAT = Laba Bersih + Biaya Bunga
Laba Rugi
Neraca
2 Kd Kd =
Kd* = Kd (1 – T)
Diketahui
3 Ke Ke = Rf + β (Rm - Rf) Neraca
4 Struktur
Modal Wd =
We =
Neraca,
Data Historis Saham
5 WACC WACC = [(Kd* x Wd) + (Ke x We)]
Neraca
6 IC IC = Asset – Non interesting Bearing
Liabilities
Neraca
7 COC
COC = WACC x IC
Neraca, Laba Rugi,
Data Historis Saham
8 EVA EVA = NOPAT – COC Neraca, Laba Rugi,
Data Historis Saham
Sumber : Prehatiningsih (2007)
2. Market Value Added (MVA)
Market Value Added (MVA) merupakan selisih antara nilai pasar dengan
modal yang diinvestsikan oleh para investor. Langkah-langkah untuk
menghitung Market Value Added terlihat pada Tabel 3.3.
UNIVERSITAS SUMATERA UTARA
43
Tabel 3.3
Empat Komponen Tahapan Perhitungan MVA
No Tahapan Perhitungan Sumber
1 Market Value Harga penutupan saham Data Historis Harga Saham
2 Shares Outstanding Jumlah saham yang beredar Data historis harga saham
3 Book Value Ekuitas Neraca
4 MVA (Harga pasar saham x Shares Outstanding) – Book Value
Data historis saham, neraca
Sumber: Prehatiningsih (2007)
Keseluruhan variabel dan definisi operasional yang digunakan di dalam
penelitian ini dapat dilihat pada Tabel 3.4.
Tabel 3.4
Operasionalisasi Variabel
Variabel Defenisi Indikator Skala Pengukuran
VACA (X1)
Indikator untuk VA yang diciptakan oleh satu unit dari physical capital
VACA = Value Added (VA)/Capital Employed (CE)
CE = dana yang tersedia (ekuitas, laba bersih)
Skala Rasio
VAHU (X2)
Menunjukkan berapa banyak VA yang diciptakan dengan dana yang dikeluarkan untuk tenaga kerja
VAHU = Value Added (VA)/Human Capital (HC)
HC = beban karyawan
Skala Rasio
STVA (X3)
Jumlah SC yang dibutuhkan untuk menghasilkan 1 rupiah dari VA dan merupakan indikasi bagaimana keberhasilan SC dalam penciptaan nilai
STVA = SC/VA
SC = Structural Capital: VA – HC
Skala Rasio
EVA (Y1)
Mengukur perbedaan, dalam pengertian keuangan antara pengembalian atas modal perusahaan dan biaya modal
EVA = NOPAT – COC
Skala Rasio
MVA (Y2)
Selisih antara nilai pasar dengan modal yang diinvestsikan oleh para investor
(Harga pasar saham x Shares Outstanding) – Book Value
Skala Rasio
3.5 Populasi dan Sampel Penelitian
Populasi penelitian adalah perusahaan perbankan yang termasuk dalam
kelompok BUSN Devisa yang terdaftar dalam Bursa Efek Indonesia pada tahun
2012 – 2016. Sampel diambil dengan menggunakan metode purposive sampling.
Sampel harus memenuhi beberapa kriteria khusus sehingga layak dijadikan
UNIVERSITAS SUMATERA UTARA
44
sampel, kriteria tersebut antara lain;
1. Merupakan bank yang termasuk dalam kelompok BUSN Devisa yang sudah go
public, dengan kata lain terdaftar di Bursa Efek Indonesia pada tahun 2012 –
2016.
2. Mempublikasikan laporan keuangan melalui Bank Indonesia dan Otoritas
Jasa Keuangan selama periode 2012-2016 secara lengkap.
3. Memperoleh profit selama tahun pengamatan.
Tabel 3.5
Kriteria Pengambilan Sampel
No Jumlah Bank
1
Merupakan bank yang termasuk dalam kelompok BUSN Devisa yang sudah go public atau terdaftar di Bursa Efek Indonesia pada tahun 2012 –
2016.
19
2 Mempublikasikan laporan keuangan melalui Bank Indonesia dan Otoritas Jasa Keuangan selama periode 2012-2016 secara lengkap
19
3 Memperoleh profit selama tahun pengamatan. 15
Total sampel bank 15
Mengandung data outlier (1)
Total sampel bank bebas data outlier 14
Dari kriteria-kriteria tersebut, maka ditentukan sampel yang terlihat pada Tabel 3.6.
Tabel 3.6
Sampel Penelitian
No Kode Nama
1 AGRO Bank Rakyat Indonesia Agroniaga, Tbk
2 BBKP Bank Bukopin, Tbk
3 BBNP Bank Nusantara Parahyangan, Tbk
4 BDMN Bank Danamon Indonesia, Tbk
5 BNBA Bank Bumi Arta, Tbk
6 BNGA Bank CIMB Niaga, Tbk
7 BNII Bank Maybank Indonesia, Tbk
8 BSIM Bank Sinarmas, Tbk
9 INPC Bank Artha Graha Internasional, Tbk
10 MAYA Bank Mayapada Internasional, Tbk
11 MEGA Bank Mega, Tbk
12 NISP Bank OCBC NISP, Tbk
13 PNBN Pan Bank Indonesia, Tbk
14 SDRA Bank Woori Saudara Indonesia 1906, Tbk
UNIVERSITAS SUMATERA UTARA
45
Pada penelitian ini peneliti menghilangkan data outlier. Outlier adalah
kasus atau data yang memiliki karakteristik unik yang terlihat sangat jauh
berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai
ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi (Ghozali,
2016). Jumlah sampel bank bebas data ouliner adalah 14 bank dengan
pengamatan selama 5 tahun sehingga total sampel yang menjadi objek
penelitian ini adalah 14 x 5 = 70 sampel penelitian.
3.6 Jenis Data
Pengertian data menurut Webster New World Dictionary, data adalah
things known or assumed, yang berarti bahwa data itu sesuatu yang diketahui
atau dianggap. Diketahui artinya yang sudah terjadi merupakan fakta (bukti).
Data dapat memberikan gambaran tentang suatu keadaan atau persoalan
(Situmorang & Lufti, 2015).
Data pada penelitian ini adalah data kuantitatif dengan skala rasio.
Menurut sumber data, data merupakan data skunder yang mana diperoleh dari
data publikasi yang bersumber dari internet yaitu; www.idx.co.id, www.ojk.go.id
dan www.bi.go.id serta situs resmi perusahaan terkait secara berkala.
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.
UNIVERSITAS SUMATERA UTARA
46
3.8 Teknik Analisis Data
3.8.1 Analisis Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan deskripsi atas
variabel-variabel penelitian secara statistik. Statistik deskriptif memberikan
gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar
deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness
(kemencengan distribusi) (Ghozali, 2016).
3.8.2 Analisis Regresi Data Panel
Regresi dengan menggunakan data panel disebut model regresi data
panel. Ada beberapa keuntungan yang diperoleh dengan menggunakan data
panel. Pertama, data panel merupakan gabungan data data time series dan
cross section mampu menyediakan data yang lebih banyak sehingga akan
menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan
informasi dari data time series dan cross section dapat mengatasi masalah yang
timbul ketika ada masalah penghilangan variabel (ommited-variable).
Mengingat data panel merupakan gabungan dari data cross section dan data
time series, maka modelnya dituliskan dengan:
Y = a + β1X1 + β2X2 + ... + βnXn
Model regresi data panel yang digunakan untuk menguji hipotesis dengan
model dasar sebagai berikut:
Y1it = a + β1X1it + β2X2it + β3X3it + εij dan
Y2it = a + β1X1it + β2X2it + β3X3it + εij
UNIVERSITAS SUMATERA UTARA
47
Keterangan:
Y1it = Economic Value Added (EVA) perusahaan i pada waktu t
Y2it = Market Value Added (MVA) perusahaan i pada waktu t
A = Konstanta
β 1, 2, 3 = Koefisien regresi dari masing-masing variabel bebas
X1 = VACA perusahaan i pada waktu t
X2 = VAHU perusahaan i pada waktu t
X3 = STVA perusahaan i pada waktu t
ε = residual
Dalam mengestimasi model regresi data panel terdapat tiga metode yaitu;
1. Common Effect (Ordinary Least Square)
Model ini menggabungkan data cross section dan data time series, kemudian
dengan dengan menggunakan metode OLS terhadap data panel tersebut. Dari
pendekatan ini kita dapat melihat perbedaan antar individu dan perbedaan
antar waktu karena interseptnya maupun slopenya sama. Model ini tidak
memperhatikan adanya perbedaan karakteristik dalam cross section maupun
time series
2. Model Efek Tetap (Fixed Effect Model)
Dalam model ini memiliki intercept yang mungkin berubah-ubah untuk
setiap individu dan waktu, dimana setiap unit cross section bersifat tetap
secara time series
3. Model Efek Random (Random Effect Model)
Model ini mempunyai kesamaan dengan model sebelumnya yaitu fixed effect,
UNIVERSITAS SUMATERA UTARA
48
dimana dimasukan juga dimensi individu dan waktu namun pembeda model
ini dari fixed effect adalah dalam mengestimasi dimasukan juga error term
karena dalam mengasumsikan error term berhubungan dengan dimensi
individu maupun waktu
Untuk menentukan model persamaan data panel yang akan digunakan
dalam penelitian ini akan digunakan Chow test, Hausman test dan LM test.
Berikut ini adalah uraian mengenai Chow test, Hausman test dan LM test.
1. Chow Test
Chow test digunakan untuk memilih antara common effect model dan fixed
effect model.
H0 : Common effect model
H1 : Fixed effect model
Jika nilai probability < 0,05 maka yang dipilih adalah fixed effect model dan jika
nilai probability ≥ 0,05 maka model yang dipilih adalah common effect model.
2. Hausman Test
Hausman test digunakan untuk memilih antara fixed effect model dan random
effect model.
H0 : Random effect model
H1 : Fixed effect model
Jika nilai probability < 0,05 maka yang dipilih adalah fixed effect model dan jika
nilai probability ≥ 0,05 maka model yang dipilih adalah random effect model.
3. Lagrange Multiplier (LM Test)
LM test digunakan untuk memilih antara common effect model dan random
UNIVERSITAS SUMATERA UTARA
49
effect model.
H0 : Random effect model
H1 : Common effect model
Jika nilai probability < 0,05 maka yang dipilih adalah random effect model dan
jika nilai probability ≥ 0,05 maka model yang dipilih adalah common effect
model.
3.8.3 Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual terdistribusi normal (Ghozali & Ratmono, 2017).
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil. Untuk menguji normalitas,
penelitian ini menggunakan Jarque-Bera dengan melihat nilai Jarque-Bera
dan probability. Nilai J-B dihitung signifikansinya untuk menguji hipotesis
berikut:
H0 : residual terdistribusi normal
Ha : residual tidak terdistribusi normal
Jika nilai probability < 0,05 maka H0 ditolak dan Ha diterima, jika nilai
probability ≥ 0,05 maka H0 diterima dan Ha ditolak.
2. Uji Multikolinearitas
Istilah kolinearitas ganda (multicolinearity) diciptakan oleh Ragner Frish di
dalam bukunya: Statisical Confluence Analysis By Means Of Complete
Regression System. Aslinya istilah itu berarti adanya hubungan linear yang
UNIVERSITAS SUMATERA UTARA
50
sempurna atau eksak (perfect or exact) diantara variabel-variabel bebas dalam
model regresi. Istilah kolinearitas (colinearity) sendiri berarti hubungan linear
tunggal (single linear relationship), sedangkan kolinearitas ganda
(multicolinearity) menunjukkan adanya lebih dari satu hubungan linear yang
sempurna (Situmorang dan Lufti, 2015).
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antar variabel bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen
(Ghozali, 2016). Jika variabel independen saling berkolerasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen
yang nilai korelasi antar sesama variabel independen sama dengan nol.
Multikolinieritas dapat dilihat dari nilai (1) nilai tolerance dan lawannya (2)
variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen
lainnya. Dalam pengertian sederhana, setiap variabel independen menjadi
variabel dependen dan diregres terhadap variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Jadi tolerance yang rendah sama
dengan nilai VIF tinggi (karena VIF = 1/tolerance). Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinieritas adalah Tolerance < 0.10
atau sama dengan VIF > 10. (Ghozali & Ratmono, 2017).
3. Uji Heteroskedastisitas
Uji heteroskestisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
UNIVERSITAS SUMATERA UTARA
51
yang lain (Ghozali, 2016). Model regresi yang baik adalah yang
homokedastisitas atau tidak terjadi heteroskedastisitas. Pengujian pada
penelitian ini menggunakan Uji Breusch-Pagan-Godfrey. Deteksi
heteroskedastisitas dengan Breusch-Pagan-Godfrey dapat dilakukan dengan
melihat nilai probabilitas Chi-square dari Obs*R-squared. Hasil uji BPG
sama dengan uji White dan Glejser yaitu menunjukkan heteroskedastisitas
dalam model employee data (Ghozali & Ratmono, 2017). Hipotesis pengujian
heteroskedastisitas adalah :
a. H0 : homokedastisitas
b. Ha : heteroskedastisitas
Terima H0 dan tolak Ha jika nilai probabilitas ≥ 0,05.
4. Uji Autokolerasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi
linier ada korelasi antarkesalahan pengganggu (residual) pada periode t
dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi,
maka dinamakan ada masalah autokorelasi (Ghozali & Ratmono, 2017).
Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya
aoutokorelasi. Penelitian ini menggunakan uji autokorelasi dengan LM Test.
Uji LM akan menghasilkan statistik Breusch-Godfrey sehingga uji LM juga
kadang disebut uji Breusch-Godfrey. Pengujian Breusch-Godfrey (BG test)
dilakukan dengan meregresi variabel pengganggu (residual) Ut menggunakan
autoregressive model (Ghozali & Ratmono, 2017).
UNIVERSITAS SUMATERA UTARA
52
Hipotesis yang diajukan dalam Breusch-Godfrey LM test adalah:
a. H0 : tidak ada autokorelasi
b. Ha : ada autokorelasi
Jika nilai p dari nilai Obs*R-squared < 0.05 maka H0 ditolak.
3.8.4 Koefisien Determinasi
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel independen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti
kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
independen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel
independennya memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen (Ghozali, 2016).
3.8.5 Uji Hipotesis
1. Uji Simultan (Uji F)
Untuk menguji signifikansi variabel independen secara bersama-sama
terhadap variabel dependen digunakan uji signifikansi simultan (Uji F). Uji F
pada dasarnya menunjukkan apakah semua variabel independen atau bebas
yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel dependen.
Pengujian secara simultan dirumuskan sebagai berikut:
a. H0 : b1 = b2 = b3 = 0, artinya VACA, VAHU, dan STVA secara serempak
tidak berpengaruh signifikan terhadap kinerja EVA dan MVA pada
UNIVERSITAS SUMATERA UTARA
53
BUSN Devisa yang terdaftar di Bursa Efek Indonesia.
b. Ha : minimal satu bi ≠ 0, artinya VACA, VAHU, dan STVA secara
serempak berpengaruh signifikan terhadap kinerja EVA dan MVA pada
BUSN Devisa yang terdaftar di Bursa Efek Indonesia.
Kriteria pengambilan keputusan:
a. Jika Fhitung ≤ Ftabel pada α = 5% atau 0,05 maka H0 diterima dan Ha ditolak
b. Jika Fhitung > Ftabel pada α = 5% atau 0,05 maka H0 ditolak dan Ha diterima
2. Uji Parsial (Uji t)
Untuk menguji signifikansi variabel independen terhadap dependen
digunakan uji statistik (Uji-t). Uji statistik t pada dasarnya menunjukkan
seberapa jauh pengaruh satu variabel independen secara individual dalam
menerangkan variasi variabel dependen (Ghozali, 2016).
Bentuk pengujiannya adalah:
a. Ho: bi = 0, artinya tidak terdapat pengaruh yang signifikan secara parsial
antara VACA, VAHU, dan STVA terhadap EVA dan MVA pada BUSN
Devisa yang terdaftar di Bursa Efek Indonesia.
b. Ha: bi ≠ 0, artinya terdapat pengaruh yang signifikan secara parsial antara
VACA, VAHU, dan STVA terhadap EVA dan MVA pada BUSN Devisa
yang terdaftar di Bursa Efek Indonesia.
Kriteria pengambilan keputusannya yaitu:
a. Jika thitung ≤ ttabel pada α = 5% atau 0,05 maka H0 diterima dan Ha ditolak
b. Jika thitung > ttabel pada α = 5% atau 0,05 maka H0 ditolak dan Ha diterima
UNIVERSITAS SUMATERA UTARA
54
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Gambaran Umum Objek Penelitian
Bank adalah badan usaha yang bergerak dalam bidang keuangan, bank
berperan dalam memberi layanan bagi masyarakat. Aktivitas perbankan yang
pertama adalah menghimpun dana dari masyarakat luas yang dikenal dengan istilah
di dunia perbankan adalah kegiatan funding. Bank milik swasta nasional, bank
jenis ini seluruh atau sebagian besarnya dimiliki oleh swasta nasional serta akte
pendiriannya pun didirikan oleh swasta, begitu pula pembagian keuntungannya
untuk swasta pula. Bank devisa, merupakan bank yang dapat melaksanakan
transaksi ke luar negeri atau yang berhubungan dengan mata uang asing secara
keseluruhan, misalnya tranfer keluar negeri, inkaso keluar negeri, travellers
cheque, pembukaan dan pembayaran Letter of Credit dan transaksi lainnya.
Persyaratan untuk menjadi bank devisa ini ditentukan oleh Bank Indonesia.
Ringkasan Bank Umum Swasta Nasional Devisa yang menjadi objek
penelitian ini adalah sebagai berikut.
1. Bank Rakyat Indonesia Agroniaga, Tbk (AGRO)
Bank AGRO yang didirikan dengan Akta Notaris Rd. Soekarsono, SH di Jakarta
No. 27 tanggal 27 September 1989, kemudian memperoleh ijin usaha dari Menteri
Keuangan tanggal 11 Desember 1989, mulai beroperasi secara komersial pada 8
Februari 1990. Pada 3 Maret 2011, dengan ditandatanganinya Akta Akuisisi
Saham PT Bank Agroniaga Tbk antara BRI dengan Dana Pensiun Perkebunan
UNIVERSITAS SUMATERA UTARA
55
(Dapenbun) di Jakarta, Bank BRI secara resmi menjadi Pemegang Saham Pengendali
pada PT. Bank Agroniaga Tbk.
2. Bank Bukopin, Tbk (BBKP)
Pada tahun 1970, Bank Umum Koperasi Indonesia (Bukopin) didirikan dengan
badan hukum koperasi. Tahun 1993 Perubahan status badan hukum menjadi
Perseroan Terbatas dengan nama PT Bank Bukopin, Akta Pendirian tertanggal 25
Februari 1993 No.126 yang telah disahkan oleh Menteri Kehakiman RI tertanggal
29 Juni 1993 No.C2-5332.HT.01.01TH.93 dan telah diumumkan dalam Berita
Negara RI tertanggal 10 Agustus 1993 No.64 Tambahan No. 3633. Pada tahun
2006 menjadi perusahaan terbuka melalui IPO, mengakuisisi saham PT Bank
Syariah Bukopin (sebelumnya PT Bank Persyarikatan Indonesia) sebesar 24,73%
dan saham PT Bukopin Finance (dahulu PT Indo Trans Buana Multiinance).
3. Bank Nusantara Parahyangan, Tbk (BBNP)
Bank BNP didirikan dengan nama “Bank Pasar Karya Parahyangan PT”
berdasarkan Akta Pendirian Perseroan Terbatas Bank Pasar Karya Parahyangan PT
No.47 tanggal 18 Januari 1972 yang dibuat di hadapan Komar Andasasmita, S.H.,
Notaris di Bandung, dan telah mendapat pengesahan dari Menteri Kehakiman
Republik Indonesia melalui Surat Keputusan No. Y.A.5/11/19 tanggal 15 Mei 1974
dan telah didaftarkan di Kantor Panitera Pengadilan Negeri di Bandung pada
tanggal 6 Juni 1974 di bawah No. 81/1974 dan telah diumumkan dalam Berita
Negara Republik Indonesia tanggal 23 Agustus 1974 No. 68, Tambahan No.
426/1074. Berdasarkan keputusan RUPSLB tanggal 15 September 2000, Bank
BNP mengubah status perusahaan menjadi perusahaan publik (terbuka).
UNIVERSITAS SUMATERA UTARA
56
4. Bank Danamon Indonesia, Tbk (BDMN)
Didirikan sebagai Bank Kopra Indonesiapada tanggal 16 Juli 1956, dengan dasar
hukum Akta notaris Meester Raden Soedja, S.H. No. 134 tanggal 16 Juli 1956
yang disahkan oleh Menteri Kehakiman Republik Indonesia dengan Surat
Keputusan No. J.A.5/40/8 tanggal 24 April 1957 dan telah diumumkan dalam
Tambahan No. 664, pada Berita Negara Republik Indonesia No. 46 tanggal 7 Juni
1957. Pada tahun 1976 Berubah nama menjadi PT Bank Danamon Indonesia.
Tahun 1988 menjadi bank devisa dan tahun 1989 Menjadi perusahaan publik
melalui penawaran saham di Bursa Efek Jakarta.Pada tahun 2003 Akuisisi
mayoritas saham pemerintah oleh Asia Financial (Indonesia) Pte. Ltd.
5. Bank Bumi Arta, Tbk (BNBA)
Tahun 1967 pendirian dan Operasional bank dengan nama PT. Bank Bumi Arta
Indonesia. Pada tahun 1991 memperoleh izin sebagai Bank Devisa. 1992
Melakukan perubahan nama perseroan menjadi PT. Bank Bumi Arta. 2006,
Penawaran Umum Perdana dan pencatatan saham PT. Bank Bumi Arta Tbk pada
Bursa Efek Jakarta.
6. Bank CIMB Niaga, Tbk (BNGA)
Bank CIMB Niaga berdiri pada 26 September 1955 dengan nama PT Bank Niaga
dan menjadi perusahaan terbuka dengan dicatatkannya saham dengan ticker code
BNGA di Bursa Efek Indonesia pada 29 November 1989. CIMB Niaga merupakan
bank hasil merger LippoBank ke dalam CIMB Niaga di tahun 2008. Mayoritas
saham CIMB Niaga sebesar 97,9% dimiliki oleh CIMB Group Sdn Bhd, yang
merupakan bank universal terbesar kelima di ASEAN dengan jaringan regional
UNIVERSITAS SUMATERA UTARA
57
yang luas antara lain di Negara Malaysia, Singapura, Thailand dan Kamboja.
7. Bank Maybank Indonesia, Tbk (BNII)
PT Bank Internasional Indonesia (BII) yang didirikan pada 15 Mei 1959,
mendapatkan ijin sebagai bank devisa pada 1988 dan mencatatkan sahamnya
sebagai perusahaan terbuka di Bursa Efek Jakarta dan Surabaya (sekarang telah
merger menjadi Bursa Efek Indonesia) pada 1989. Pada 2008 BII diakuisi oleh
Maybank melalui anak perusahan yang dimiliki sepenuhnya yaitu Maybank
Offshore Corporate Services (Labuan) Sdn. Bhd. (MOCS) dan Sorak Financial
Holdings Pte. Ltd. (Sorak). Kemudian melalui Surat Keputusan MenkumHAM No.
AHU-0941203. AH.01.02 tahun 2015 tanggal 26 Agustus 2015, dan Keputusan
Dewan Komisioner Otoritas Jasa Keuangan (OJK) No. 18/ KDK.03/2015 tanggal
23 September 2015, BII berubah nama menjadi Maybank Indonesia.
8. Bank Sinarmas, Tbk (BSIM)
Didirikan pada 1989 berdasarkan Akta no. 52 tanggal 18 Agustus 1989 yang
dibuat di hadapan Buniarti Tjandra, SH., Notaris di Jakarta, yang telah
diumumkan dalam Berita Negara Republik Indonesia tertanggal 21 Oktober 1989
Nomor 1506/1989. Bank Sinarmas melakukan pengembangan bisnis dengan
membuka kantor cabang pertama di Bandung. Pada 13 Desember 2010, Bank
Sinarmas melakukan Penawaran Saham Umum Perdana (Intial Public
Offering/IPO).
9. Bank Artha Graha Internasional, Tbk (INPC)
Bank Artha Graha Internasional didirikan dengan nama PT Inter-Pacific Financial
Corporation berdasarkan Akta Nomor 12 tanggal 7 September 1973. Pada 14
April 2005, PT Bank Inter-Pacific Tbk menandatangani Akta Penggabungan
UNIVERSITAS SUMATERA UTARA
58
Nomor 17, dimana PT Bank Artha Graha menggabungkan diri ke dalam PT Bank
Inter-Pacific Tbk. Penggabungan tersebut telah mendapat izin dari Bank
Indonesia Nomor 7/32/KEP. GBI/2005 tanggal 15 Juni 2005, dan berlaku efektif
pada 11 Juli 2005. PT Bank Inter-Pacific Tbk berganti nama menjadi Bank Artha
Graha Internasional yang diumumkan dalam Berita Negara Republik Indonesia
Nomor 101 tanggal 19 Desember 2006, Tambahan Nomor 13128
10. Bank Mayapada Internasional, Tbk (MAYA)
PT Bank Mayapada International dibentuk pada 7 September 1989 di Jakarta,
disahkan oleh Menteri Kehakiman Republik Indonesia pada 10 Januari 1990,
kemudian mulai beroperasi secara komersial pada tanggal 16 Maret 1990. Sejak
23 Maret 1990 Perusahaan resmi menjadi bank umum, yang diikuti perolehan ijin
dari Bank Indonesia sebagai bank devisa pada tahun 1993. Pada tahun 1995 Bank
berubah nama menjadi PT Bank Mayapada Internasional, setelah itu tahun 1997
mengambil inisiatif untuk go public dan hingga sekarang dikenal dengan nama
PT Bank Mayapada Internasional Tbk.
11. Bank Mega, Tbk (MEGA)
Bank mulai beroperasi dengan nama PT Bank Karman yang dikelola sebagai
usaha milik keluarga berbasis di Surabaya dan memperoleh izin usaha sebagai
bank umum dari Menteri Keuangan Republik Indonesia Pada 14 Agustus 1969.
Bank terus berkembang menjadi perusahaan yang lebih besar dan berganti nama
menjadi PT Mega Bank pada tahun 1992. Pada tahun 2000, mencatatkan
namanya di Bursa Efek Indonesia (BEI) dan resmi menjadi perusahaan terbuka
dengan nama PT Bank Mega Tbk.
UNIVERSITAS SUMATERA UTARA
59
12. Bank OCBC NISP, Tbk (NISP)
Pada tahun 1941 didirikan dengan nama NV Nederlandsch Indische Spaar En
Deposito Bank (NISP) dengan dasar hukum Akta Pendirian Perseroan No. 6
tanggal 4 April 1941 yang dibuat dihadapan Theodor Johan Indewey Gerlings,
Notaris di Purwakarta yang telah disetujui menurut penetapan Directeur van Justitie
tanggal 28 April 1941 No. A 42/6/9 dan diumumkan dalam berita Javasche
Courant tanggal 20 Juni 1941 No. 49 Bijvoegsel No. 1961. Tahun 1990
memperoleh ijin untuk melakukan kegiatan sebagai bank devisa . Dalam rangka
mengantisipasi keterbukaan pasar dan persaingan serta memperkuat strukur
permodalan, pada tahun 1994 Bank OCBC NISP mencatatkan sahamnya di Bursa
Efek Indonesia (dahulu Bursa Efek Jakarta) sehingga berubah menjadi perusahaan
terbuka.
13. Pan Bank Indonesia, Tbk (PNBN)
PaninBank didirikan pada 17 Agustus 1971, merupakan hasil merger dari
tiga bank yaitu Bank Kemakmuran, Bank Industri Djaja Indonesia dan Bank
Industri & Dagang Indonesia. Pada tahun 1972 memperoleh izin sebagai
bank devisa. PaninBank mencatatkan sahamnya di Bursa Efek Jakarta pada
tahun 1982, menjadikan PaninBank sebagai bank pertama yang sahamnya
diperdagangkan di bursa.
14. Bank Woori Saudara Indonesia 1906 Tbk (SDRA)
Tahun 1906 Didirikan oleh 10 Saudagar Pasar Baru sebagai organisasi simpan
pinjam dengan nama Himpoenan Soedara. Tahun 2008, Mendapat izin
operasional sebagai Bank Devisa. Tahun 2006 berubah status menjadi perusahaan
terbuka, nama Bank berubah pula menjadi “PT Bank Himpunan Saudara 1906
UNIVERSITAS SUMATERA UTARA
60
Tbk”. Tahun 2015 PT Bank Himpunan Saudara 1906 Tbk (Bank Saudara)
mengumumkan pergantian nama dan logo. Setelah penggabungan ini, nama
resmi perusahaan berubah menjadi PT Bank Woori Saudara Indonesia 1906 Tbk,
dan nama panggilan komersial akan menjadi Bank Woori Saudara.
4.1.2 Analisis Statistik Deskriptif
Tabel 4.1
Statistik Deskriptif
VACA VAHU STVA EVA MVA
Mean 0.388109 2.273899 0.509020 3124282. 1342807.
Median 0.224200 2.051850 0.512600 2563729. 66098.50
Maximum 7.608800 7.283300 0.862700 16586100 29558423
Minimum 0.011500 1.074700 0.069500 -11827707 -13554478
Std. Dev. 0.924637 0.930658 0.149261 3961215. 6292226.
Observations 70 70 70 70 70
Sumber: Lampiran 3
Tabel 4.1 menunjukkan output statistik deskriptif variable penelitian dengan
menggunakan eviews. Berdasarkan tabel tersebut dapat dijelaskan statistik
deskriptif sebagai berikut:
1. VACA memiliki rata-rata sebesar 0,388109 hal ini berarti bahwa BUSN
Devisa di BEI memiliki kemampuan untuk menghasilkan 0,388109 value
added (VA) dari satu unit physical capital. Nilai VACA terendah adalah
0,0115 pada tahun 2014 di SDRA sementara tertinggi yaitu 7,6088 ada
pada BSIM pada tahun 2012. Standard Deviasi VACA adalah 0,924637
2. VAHU memiliki rata-rata sebesar 2,273899 hal ini berarti bahwa BUSN
Devisa di BEI memiliki kemampuan untuk menghasilkan 2,273899 value
added (VA) dari satu unit physical capital. Nilai VACA terendah adalah
1,0747 pada tahun 2014 di SDRA sementara tertinggi yaitu 7,2833 ada
pada BSIM pada tahun 2012. Standard Deviasi VACA adalah 0,930658
UNIVERSITAS SUMATERA UTARA
61
3. STVA memiliki rata-rata sebesar 0.50902 hal ini berarti bahwa BUSN
Devisa di BEI memiliki kemampuan untuk menghasilkan 0.50902 value
added (VA) dari satu unit physical capital. Nilai STVA tertinggi yaitu
0,8627 ada pada SDRA tahun 2014 sementara terendah adalah 0,0695 pada
tahun 2014 di BBNP. Standard Deviasi STVA adalah 0,149261
4. EVA memiliki rata-rata sebesar 3.124.282 hal ini berarti bahwa BUSN
Devisa di BEI memiliki kemampuan untuk menghasilkan 3.124.282 (dalam
juta rupiah) per tahun dalam waktu pengamatan. Nilai EVA tertinggi yaitu
16.586.100 ada pada SDRA tahun 2014 sementara terendah adalah -
11.827.707 pada tahun 2014 di BBNP. Standard Deviasi EVA adalah
3.961.215
5. MVA memiliki rata-rata sebesar 1.342.807 hal ini berarti bahwa BUSN
Devisa di BEI memiliki kemampuan untuk menghasilkan 1.342.807 (dalam
juta rupiah) per tahun dalam waktu pengamatan. Nilai MVA tertinggi yaitu
29.558.423 ada pada SDRA tahun 2014 sementara terendah adalah -
13.554.478 pada tahun 2014 di BBNP. Standard Deviasi MVA adalah
6.292.226.
4.1.3 Hubungan VACA, VAHU, dan STVA Dengan EVA
1. Analisis Regresi Data Panel
Analisis regresi dilakukan untuk menguji seberapa besar hubungan antara
variabel independen yang terdiri dari VACA, VAHU, dan STVA terhadap
variabel dependen yaitu EVA serta untuk mengetahui arah hubungan tersebut
UNIVERSITAS SUMATERA UTARA
62
a. Common Effect Model (CEM)
Tabel 4.2
Common Effect Model
Dependent Variable: D_EVA
Method: Panel Least Squares
Date: 04/12/19 Time: 21:36
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Variable Coefficient Std. Error t-Statistic Prob.
C 414898.9 76539.23 5.420736 0.0000
D_VACA -694.3153 68948.05 -0.010070 0.9920
D_VAHU -271284.6 106986.2 -2.535698 0.0148
D_STVA 2921190. 1027479. 2.843064 0.0068
R-squared 0.160937 Mean dependent var 391586.5
Adjusted R-squared 0.103729 S.D. dependent var 544952.7
S.E. of regression 515915.5 Akaike info criterion 29.22493
Sum squared resid 1.17E+13 Schwarz criterion 29.38086
Log likelihood -697.3983 Hannan-Quinn criter. 29.28386
F-statistic 2.813158 Durbin-Watson stat 1.592338
Prob(F-statistic) 0.050189
Sumber: Lampiran 9
b. Fixed Effect Model (FEM)
Tabel 4.3
Fixed Effect Model
Dependent Variable: D_EVA
Method: Panel Least Squares
Date: 04/12/19 Time: 21:36
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Variable Coefficient Std. Error t-Statistic Prob.
C 414898.9 76539.23 5.420736 0.0000
D_VACA -694.3153 68948.05 -0.010070 0.9920
D_VAHU -271284.6 106986.2 -2.535698 0.0148
D_STVA 2921190. 1027479. 2.843064 0.0068
R-squared 0.160937 Mean dependent var 391586.5
Adjusted R-squared 0.103729 S.D. dependent var 544952.7
S.E. of regression 515915.5 Akaike info criterion 29.22493
Sum squared resid 1.17E+13 Schwarz criterion 29.38086
Log likelihood -697.3983 Hannan-Quinn criter. 29.28386
F-statistic 2.813158 Durbin-Watson stat 1.592338
Prob(F-statistic) 0.050189
Sumber: Lampiran 10
UNIVERSITAS SUMATERA UTARA
63
c. Random Effect Model (REM)
Tabel 4.4
Random Effect Model
Dependent Variable: D_EVA
Method: Panel EGLS (Cross-section random effects)
Date: 04/12/19 Time: 21:53
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 418040.5 94571.42 4.420368 0.0001
D_VACA -27671.23 66175.92 -0.418147 0.6779
D_VAHU -262211.6 98152.94 -2.671459 0.0105
D_STVA 2807424. 954798.7 2.940331 0.0052 Effects Specification
S.D. Rho Cross-section random 222626.3 0.1855
Idiosyncratic random 466428.1 0.8145 Weighted Statistics R-squared 0.167991 Mean dependent var 283248.5
Adjusted R-squared 0.111263 S.D. dependent var 495794.3
S.E. of regression 467399.5 Sum squared resid 9.61E+12
F-statistic 2.961344 Durbin-Watson stat 2.000243
Prob(F-statistic) 0.042400 Unweighted Statistics R-squared 0.157410 Mean dependent var 391586.5
Sum squared resid 1.18E+13 Durbin-Watson stat 1.634858
Sumber: Lampiran 11
Untuk memilih model yang paling tepat pertama-tama dilakukan uji yaitu
Chow test. Chow test digunakan untuk memilih antara common effect model
dan fixed effect model. Jika nilai probability < 0,05 maka yang dipilih adalah
fixed effect model dan jika nilai probability ≥ 0,05 maka model yang dipilih
adalah common effect model.
UNIVERSITAS SUMATERA UTARA
64
a. Pemilihan Model Data Panel Dengan Chow Test
Tabel 4.5
Hasil Chow Test
Redundant Fixed Effects Tests
Equation: EQ02
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 1.893817 (11,33) 0.0771
Cross-section Chi-square 23.489297 11 0.0151
Sumber: Lampiran 12
Tabel 4.5 menunjukkan nilai prob Cross-section F sebesar 0,0771 > 0,05,
sehingga model yang digunakan adalah Common Effect Model.
Berikutnya, Breusch-Pagan LM test digunakan untuk memilih antara common
effect model dan random effect model. Jika nilai probability < 0,05 maka yang
dipilih adalah common effect model dan jika nilai probability ≥ 0,05 maka
model yang dipilih adalah random effect model.
b. Pemilihan Model Data Panel Dengan Breusch-Pagan Lagrange Multiplier
Test
Tabel 4.6
Hasil Breusch-Pagan Lagrange Multiplier Test
Lagrange multiplier (LM) test for panel data
Date: 04/12/19 Time: 21:04
Sample: 2013 2016
Total panel observations: 48
Probability in () Null (no rand. effect) Cross-section Period Both
Alternative One-sided One-sided Breusch-Pagan 1.782028 0.514688 2.296716
(0.1819) (0.4731) (0.1296)
Honda 1.334926 0.717418 1.451226
(0.0910) (0.2366) (0.0734)
King-Wu 1.334926 0.717418 1.253873
(0.0910) (0.2366) (0.1049)
GHM -- -- 2.296716
-- -- (0.1441)
Sumber: Lampiran 13
UNIVERSITAS SUMATERA UTARA
65
Tabel 4.6 menunjukkan nilai Breusch-Pagan sebesar 0.1819 > 0,05, maka
model yang tepat untuk digunakan adalah Common Effect Model.
Berdasarkan dua test tersebut diperoleh kesimpulan bahwa model yang
digunakan untuk mengestimasi hubungan VACA,VAHU, dan STVA dengan
EVA adalah Common Effect Model
Tabel 4.7
Hasil Pengujian Data Panel
Dependent Variable: D_EVA
Method: Panel Least Squares
Date: 04/12/19 Time: 21:36
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 414898.9 76539.23 5.420736 0.0000
D_VACA -694.3153 68948.05 -0.010070 0.9920
D_VAHU -271284.6 106986.2 -2.535698 0.0148
D_STVA 2921190. 1027479. 2.843064 0.0068 R-squared 0.160937 Mean dependent var 391586.5
Adjusted R-squared 0.103729 S.D. dependent var 544952.7
S.E. of regression 515915.5 Akaike info criterion 29.22493
Sum squared resid 1.17E+13 Schwarz criterion 29.38086
Log likelihood -697.3983 Hannan-Quinn criter. 29.28386
F-statistic 2.813158 Durbin-Watson stat 1.592338
Prob(F-statistic) 0.050189
Sumber: Lampiran 9
Pengolahan data tersebut menghasilkan suatu persamaan regresi data panel
sebagai berikut:
Y = 414898.9 - 694.3153X1 - 271284.6X2 + 2921190.X3
Interpretasi:
a. Konstanta sebesar 414.898,9 menunjukkan nilai tetap (konstan) EVA bahwa
tanpa variabel bebas maka Economic Value Added BUSN Devisa adalah
414.898,9 (dalam satuan).
UNIVERSITAS SUMATERA UTARA
66
b. Variabel VACA berpengaruh negatif terhadap EVA dengan nilai koefisien
sebesar -694,3153. Artinya jika VACA naik sebesar 1% maka EVA akan
mengalami penurunan sebesar -694,3153 (dalam satuan).
c. Variabel VAHU berpengaruh negatif terhadap EVA dengan nilai koefisien
sebesar -271.284,6. Artinya jika VAHU naik sebesar 1% maka EVA akan
mengalami penurunan sebesar 271284.6 (dalam satuan).
d. Variabel STVA berpengaruh positif terhadap EVA dengan nilai koefisien
sebesar 2.921.190 (dalam satuan). Artinya jika STVA naik sebesar 1% maka
EVA akan mengalami kenaikan sebesar 2.921.190 (dalam satuan).
2. Uji Asumsi Klasik
a. Uji Normalitas
Untuk menguji normalitas, penelitian ini menggunakan Jarque-Bera dengan
melihat nilai Jarque-Bera dan probability. Gambar 4.1 merupakan output
pengujian statistik J-B.
0
2
4
6
8
10
12
-1000000 -500000 0 500000 1000000 1500000
Series: Standardized Residuals
Sample 2013 2016
Observations 48
Mean -7.03e-11
Median -142543.5
Maximum 1487111.
Minimum -923698.8
Std. Dev. 499178.6
Skewness 0.814280
Kurtos is 3.501251
Jarque-Bera 5.806926
Probabi l i ty 0.054833
Sumber: Lampiran 14
Gambar 4.1
Uji Normalitas Menggunakan Jarque-Bera
Nilai J-B = 5.806926 dengan nilai probabilty sebesar 0,054, nilai ini
lebih besar daripada tingkat signifikansi 0,05 sehingga dapat disimpulkan
UNIVERSITAS SUMATERA UTARA
67
bahwa asumsi normalitas telah terpenuhi.
b. Uji Multikolinearitas
Pengujian multikolinieritas pada penelitian ini dilakukan dengan melihat
nilai Variance Inflation Factor (VIF).
Tabel 4.8
Uji Multikolinieritas dengan VIF
Variance Inflation Factors
Date: 04/18/19 Time: 17:45
Sample: 1 48
Included observations: 48 Coefficient Uncentered Centered
Variable Variance VIF VIF C 5.86E+09 1.056458 NA
D_VACA 4.75E+09 1.053016 1.031948
D_VAHU 1.14E+10 2.819263 2.787939
D_STVA 1.06E+12 2.912619 2.841089
Sumber: Lampiran 15
Tabel 4.8 menampilkan deteksi multikolinieritas dengan Variance
Inflation Factor (VIF), tidak terdapat nilai Centered VIF yang lebih besar
dari 10. Hal ini menunjukkan bahwa model bebas dari multikolinieritas.
c. Uji Heteroskedastisitas
Tabel 4.9
Uji Heteroskedastisitas dengan Breusch-Pagan-Godfrey
Heteroskedasticity Test: Breusch-Pagan-Godfrey
Null hypothesis: Homoskedasticity F-statistic 0.154556 Prob. F(3,44) 0.9262
Obs*R-squared 0.500544 Prob. Chi-Square(3) 0.9188
Scaled explained SS 0.526008 Prob. Chi-Square(3) 0.9131
Sumber: Lampiran 16
Deteksi heteroskedastisitas dapat dilihat dengan memperhatikan nilai
probabilitas Chi Square dari Obs*R-square. Jika nilai probabilitas ≥ 0,05
maka tidak terdapat heteroskedastisitas, jika probabilitas < 0,05 maka dapat
UNIVERSITAS SUMATERA UTARA
68
dinyatakan bahwa terdapat heteroskedastisitas. Tabel 4.9 menunjukkan nilai
probabilitas Chi Square dari Obs*R-square sebesar 0,9188, nilai ini >
0.05 sehingga dapat disimpulkan bahwa tidak terdapat heteroskedastisitas
pada model.
d. Uji Autokolerasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi
linier ada korelasi antarkesalahan pengganggu (residual) pada periode t
dengan kesalahan pada periode t-1 (sebelumnya). Jika nilai p dari nilai
Obs*R-squared < 0.05 maka H0 ditolak. Pengujian autokorelasi dengan
Breusch-Godfrey (BG test) mengasilkan output sebagai berikut.
Tabel 4.10
Breusch-Godfrey Serial Correlation LM Test
Breusch-Godfrey Serial Correlation LM Test:
Null hypothesis: No serial correlation at up to 2 lags
F-statistic 0.663720 Prob. F(2,42) 0.5202
Obs*R-squared 1.470596 Prob. Chi-Square(2) 0.4794
Sumber: Lampiran 18
Tabel 4.10 memperlihatkan hasil uji autokorelasi dengan Breusch-
Godfrey serial correlation LM test, nilai probability pada Obs*R-Squared
adalah 0,4794 > 0,05. Berdasarkan hasil itu dapat disimpulkan bahwa
tidak ada autokorelasi dalam model.
3. Koefisien Determinasi
Tabel 4.7 menunjukkan variabel dependen EVA memiliki nilai R Square,
dalam penelitian ini sebesar 0.147272 berarti 14,7272% variasi dari MVA
dapat dijelaskan oleh VACA, VAHU dan STVA sedangkan sisanya dapat
dijelaskan oleh faktor-faktor lain yang tidak diteliti oleh penelitian ini.
UNIVERSITAS SUMATERA UTARA
69
4.1.4 Hubungan VACA, VAHU, dan STVA Dengan MVA
1. Analisis Regresi Data Panel
Analisis regresi dilakukan untuk menguji seberapa besar hubungan antara
variabel independen yang terdiri dari VACA, VAHU, dan STVA terhadap
variabel dependen yaitu MVA serta untuk mengetahui arah hubungan tersebut
a. Common Effect Model
Tabel 4.11
Common Effect Model
Dependent Variable: MVA
Method: Panel Least Squares
Date: 04/16/19 Time: 13:06
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70 Variable Coefficient Std. Error t-Statistic Prob. C -3330801. 2672768. -1.246199 0.2171
VACA -2214125. 800685.2 -2.765288 0.0074
VAHU -1134966. 1495837. -0.758749 0.4507
STVA 16370469 9392456. 1.742938 0.0860 R-squared 0.141563 Mean dependent var 1561978.
Adjusted R-squared 0.102543 S.D. dependent var 6405489.
S.E. of regression 6068187. Akaike info criterion 34.13046
Sum squared resid 2.43E+15 Schwarz criterion 34.25895
Log likelihood -1190.566 Hannan-Quinn criter. 34.18150
F-statistic 3.627982 Durbin-Watson stat 0.445390
Prob(F-statistic) 0.017339
Sumber: Lampiran 19
UNIVERSITAS SUMATERA UTARA
70
b. Fixed Effect Model
Tabel 4.12
Fixed Effect Model
Dependent Variable: MVA
Method: Panel Least Squares
Date: 04/16/19 Time: 13:07
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70 Variable Coefficient Std. Error t-Statistic Prob. C -3899726. 2899235. -1.345088 0.1843
VACA -1578723. 673687.0 -2.343408 0.0229
VAHU -592069.7 1267233. -0.467215 0.6423
STVA 14578459 8983765. 1.622756 0.1106 Effects Specification Cross-section fixed (dummy variables) R-squared 0.583393 Mean dependent var 1561978.
Adjusted R-squared 0.457624 S.D. dependent var 6405489.
S.E. of regression 4717396. Akaike info criterion 33.77892
Sum squared resid 1.18E+15 Schwarz criterion 34.32499
Log likelihood -1165.262 Hannan-Quinn criter. 33.99583
F-statistic 4.638633 Durbin-Watson stat 0.907922
Prob(F-statistic) 0.000011
Sumber: Lampiran 20
UNIVERSITAS SUMATERA UTARA
71
c. Random Effect Model
Tabel 4.13
Random Effect Model
Dependent Variable: MVA
Method: Panel EGLS (Cross-section random effects)
Date: 04/16/19 Time: 06:05
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C -3657541. 2872696. -1.273209 0.2074
VACA -1728639. 661754.7 -2.612206 0.0111
VAHU -709616.1 1242712. -0.571022 0.5699
STVA 14742081 8482029. 1.738037 0.0869 Effects Specification
S.D. Rho Cross-section random 4180709. 0.4399
Idiosyncratic random 4717396. 0.5601 Weighted Statistics R-squared 0.147272 Mean dependent var 703690.8
Adjusted R-squared 0.108511 S.D. dependent var 4943684.
S.E. of regression 4667762. Sum squared resid 1.44E+15
F-statistic 3.799538 Durbin-Watson stat 0.737851
Prob(F-statistic) 0.014144 Unweighted Statistics R-squared 0.135436 Mean dependent var 1561978.
Sum squared resid 2.45E+15 Durbin-Watson stat 0.433490
Sumber: Lampiran 21
Untuk memilih model yang paling sesuai dilakukan Chow test. Chow test
digunakan untuk memilih antara common effect model dan fixed effect
model. Jika nilai probability < 0,05 maka yang dipilih adalah fixed effect
model dan jika nilai probability ≥ 0,05 maka model yang dipilih adalah
common effect model.
UNIVERSITAS SUMATERA UTARA
72
a. Pemilihan Model Data Panel Dengan Chow Test
Tabel 4.14
Hasil Chow Test
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 4.323746 (13,53) 0.0001
Cross-section Chi-square 50.607820 13 0.0000
Sumber: Lampiran 22
Tabel 4.14 menunjukkan nilai Probability Sebesar 0,0001 < 0,05, sehingga
model yang digunakan adalah fixed effect model.
Berikutnya, Hausman test digunakan untuk memilih antara fixed effect model
dan random effect model. Jika nilai probability < 0,05 maka yang dipilih
adalah fixed effect model dan jika nilai probability ≥ 0,05 maka model yang
dipilih adalah random effect model.
b. Pemilihan Model Data Panel Dengan Hausman Test
Tabel 4.15
Hasil Hausman Test
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 1.618463 3 0.6552
Sumber: Lampiran 23
Tabel 4.15 diketahui bahwa probability bernilai 0,6552> 0,05. sehingga
model yang digunakan adalah Random Effect Model.
Berdasarkan dua test maka model yang digunakan untuk mengestimasi
UNIVERSITAS SUMATERA UTARA
73
hubungan EVA dan VAICTM
, VAHU, STVA adalah Random Effect Model.
Tabel 4.16
Hasil Pengujian Data Panel
Dependent Variable: MVA
Method: Panel EGLS (Cross-section random effects)
Date: 04/16/19 Time: 06:05
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C -3657541. 2872696. -1.273209 0.2074
VACA -1728639. 661754.7 -2.612206 0.0111
VAHU -709616.1 1242712. -0.571022 0.5699
STVA 14742081 8482029. 1.738037 0.0869 Effects Specification
S.D. Rho Cross-section random 4180709. 0.4399
Idiosyncratic random 4717396. 0.5601 Weighted Statistics R-squared 0.147272 Mean dependent var 703690.8
Adjusted R-squared 0.108511 S.D. dependent var 4943684.
S.E. of regression 4667762. Sum squared resid 1.44E+15
F-statistic 3.799538 Durbin-Watson stat 0.737851
Prob(F-statistic) 0.014144 Unweighted Statistics R-squared 0.135436 Mean dependent var 1561978.
Sum squared resid 2.45E+15 Durbin-Watson stat 0.433490
Sumber: Lampiran 19
Pengolahan data tersebut menghasilkan suatu persamaan regresi linier
data panel sebagai berikut:
Y = - 3657541 - 1728639X1 - 7 09616.1X2 + 14742081X3
Interpretasi:
a. Konstanta sebesar -3.657.541 menunjukkan nilai tetap (konstan) MVA
bahwa tanpa variabel bebas maka Economic Value Added pada BUSN
UNIVERSITAS SUMATERA UTARA
74
Devisa adalah -3.657.541 (dalam satuan).
b. Variabel VACA berpengaruh negatif terhadap MVA dengan nilai koefisien
sebesar -1.728.639. Artinya jika VACA naik sebesar 1% maka MVA
akan mengalami penurunan sebesar 1.728.639 (dalam satuan).
c. Variabel VAHU berpengaruh negatif terhadap MVA dengan nilai
koefisien sebesar -709.616,1. Artinya jika VAHU naik sebesar 1% maka
MVA akan mengalami penurunan sebesar 709.616,1(dalam satuan).
d. Variabel STVA berpengaruh positif terhadap MVA dengan nilai koefisien
sebesar 14.742.081 (dalam juta rupiah). Artinya jika STVA naik sebesar
1% maka MVA akan mengalami kenaikan sebesar 14.742.081 (dalam
satuan).
2. Koefisien Determinasi
Tabel 4.16 menunjukkan variabel dependen EVA memiliki nilai R Square
dalam penelitian ini sebesar 0,147272 berarti 14,7272% variasi dari MVA
dapat dijelaskan oleh VACA, VAHU dan STVA sedangkan sisanya dapat
dijelaskan oleh faktor-faktor lain yang tidak diteliti oleh penelitian ini.
UNIVERSITAS SUMATERA UTARA
75
4.1.5 Uji Hipotesis
1. EVA Sebagai Variabel Dependen
Tabel 4.17
Hasil Uji Simultan dan Uji Parsial
Dependent Variable: D_EVA
Method: Panel Least Squares
Date: 04/12/19 Time: 21:36
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 414898.9 76539.23 5.420736 0.0000
D_VACA -694.3153 68948.05 -0.010070 0.9920
D_VAHU -271284.6 106986.2 -2.535698 0.0148
D_STVA 2921190. 1027479. 2.843064 0.0068 R-squared 0.160937 Mean dependent var 391586.5
Adjusted R-squared 0.103729 S.D. dependent var 544952.7
S.E. of regression 515915.5 Akaike info criterion 29.22493
Sum squared resid 1.17E+13 Schwarz criterion 29.38086
Log likelihood -697.3983 Hannan-Quinn criter. 29.28386
F-statistic 2.813158 Durbin-Watson stat 1.592338
Prob(F-statistic) 0.050189
Sumber: Lampiran 9
a. Uji Simultan
Untuk menguji signifikansi variabel independen secara bersama-sama
terhadap variabel dependen digunakan uji signifikansi simultan (Uji F). Uji
F pada dasarnya menunjukkan apakah semua variabel independen atau
bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel dependen.
Berdasarkan Tabel 4.17 nilai VACA, VAHU dan STVA terhadap EVA
memiliki nilai signifikan sebesar 0,050 dan nilai Fhitung > Ftabel , 2,813158 >
2,80 sehingga dapat dinyatakan H0 ditolak dan Ha diterima, artinya secara
bersamaan variabel-variabel bebas yaitu VACA, VAHU, dan STVA
UNIVERSITAS SUMATERA UTARA
76
berpengaruh signifikan terhadap EVA
b. Uji Parsial
Untuk menguji signifikansi variabel independen terhadap dependen
digunakan uji statistik (Uji-t). Uji statistik t pada dasarnya menunjukkan
seberapa jauh pengaruh satu variabel independen secara individual dalam
menerangkan variasi variabel dependen (Ghozali, 2016). Berdasarkan
Tabel 4.17 dapat dilihat bahwa;
1) Variabel VACA memiliki pengaruh negatif dan tidak signifikan
terhadap EVA hal ini dapat dilihat dari nilai prob 0,9920 > dari 0,05
dan nilai thitung (0,010070) < ttabel 2,0141 artinya jika variabel VACA
ditingkatkan satu satuan maka EVA tidak akan menurun sebanyak
694,3153 satuan.
2) Variabel VAHU memiliki pengaruh negatif dan signifikan terhadap
EVA hal ini dapat dilihat dari Nilai prob 0,0148 < 0,05 dan nilai thitung
(2,535698) > ttabel 2,0141 artinya jika variabel VAHU ditingkatkan satu
satuan maka EVA akan menurun sebanyak 271.284,6 satuan.
3) Variabel STVA memiliki pengaruh positif dan signifikan terhadap EVA
hal ini dapat dilihat dari Nilai prob 0,0068 < 0,05 dan nilai thitung
2,843064 > ttabel 2,0141 artinya jika variabel STVA ditingkatkan satu
satuan maka EVA akan meningkat sebayak 2.921.190 satuan.
UNIVERSITAS SUMATERA UTARA
77
2. MVA Sebagai Variabel Dependen
Tabel 4.18
Hasil Uji Simultan dan Uji Parsial
Dependent Variable: MVA
Method: Panel EGLS (Cross-section random effects)
Date: 03/12/19 Time: 19:36
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. VACA -1728639. 661754.7 -2.612206 0.0111
VAHU -709616.1 1242712. -0.571022 0.5699
STVA 14742081 8482029. 1.738037 0.0869
C -3657541. 2872696. -1.273209 0.2074 Effects Specification
S.D. Rho Cross-section random 4180709. 0.4399
Idiosyncratic random 4717396. 0.5601 Weighted Statistics R-squared 0.147272 Mean dependent var 703690.8
Adjusted R-squared 0.108511 S.D. dependent var 4943684.
S.E. of regression 4667762. Sum squared resid 1.44E+15
F-statistic 3.799538 Durbin-Watson stat 0.737851
Prob(F-statistic) 0.014144 Unweighted Statistics R-squared 0.135436 Mean dependent var 1561978.
Sum squared resid 2.45E+15 Durbin-Watson stat 0.433490
Sumber: Lampiran 19
a. Uji Simultan
Untuk menguji signifikansi variabel independen secara bersama-sama
terhadap variabel dependen digunakan uji signifikansi simultan (Uji F). Uji F
pada dasarnya menunjukkan apakah semua variabel independen atau bebas
yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel dependen.
UNIVERSITAS SUMATERA UTARA
78
Berdasarkan Tabel 4.18 nilai VACA, VAHU dan STVA terhadap MVA
memiliki nilai signifikan sebesar 0,014144. Nilai ini < 0,05 dan nilai Fhitung >
Ftabel = 3,799538 > 2,74, sehingga dapat dinyatakan H0 ditolak, dan Ha
diterima artinya secara bersamaan variabel-variabel bebas yaitu VACA,
VAHU, dan STVA berpengaruh positif dan signifikan terhadap MVA.
b. Uji Parsial
Untuk menguji signifikansi variabel independen terhadap dependen digunakan
uji statistik (Uji-t). Uji statistik t pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel independen secara individual dalam menerangkan
variasi variabel dependen (Ghozali, 2016). Berdasarkan Tabel 4.18 dapat
dilihat bahwa;
1) Variabel VACA memiliki pengaruh negatif dan signifikan terhadap MVA
hal ini dapat dilihat dari nilai prob 0,0111 < dari 0,05 dan nilai thitung
(2,612206) > ttabel 1,99656 artinya jika variabel VACA ditingkatkan satu
satuan maka MVA akan menurun 1.728.639 satuan.
2) Variabel VAHU memiliki pengaruh negatif dan tidak signifikan terhadap
MVA hal ini dapat dilihat dari tingkat signifikan 0,5699 > 0,05 dan nilai
thitung (0,571022) < ttabel 1,99656 artinya jika variabel VAHU ditingkatkan
satu satuan maka MVA tidak akan menurun 709.616,1satuan.
3) STVA memiliki pengaruh positif dan tidak signifikan terhadap EVA hal
ini dapat dilihat dari tingkat signifikan 0,0869 > 0,05 dan nilai thitung
1,738037 < ttabel 1,99656 artinya jika variabel STVA ditingkatkan satu
satuan maka MVA tidak akan meningkat sebanyak 14.742.081 satuan.
UNIVERSITAS SUMATERA UTARA
79
4.2 Pembahasan
4.2.1 Pengaruh VACA, VAHU Dan STVA Terhadap EVA
1. Pengaruh Simultan
Nilai VACA, VAHU dan STVA terhadap EVA memiliki nilai signifikan
sebesar 0,050189 dan nilai Fhitung > Ftabel = 2,813158 > 2,80, sehingga dapat
dinyatakan H0 ditolak dan Ha diterima, artinya secara bersamaan variabel-
variabel bebas yaitu VACA, VAHU, dan STVA berpengaruh signifikan
terhadap EVA.
Hal ini sejalan dengan penelitian Shelviana (2015) dan Mojtahedi &
Ashrafipour (2013) dimana hasil penelitian menunjukkan bahwa Intellectual
Capital berpengaruh secara positif terhadap Economic Value Added. Ketiga
komponen intellectual capital secara bersama-sama akan menguatkan nilai
Economic Value Added bank sehingga dapat disimpulkan bahwa Intellectual
Capital pada BUSN Devisa yang terdaftar di Bursa Efek Indonesia mampu
menjadi prediktor Economic Value Added (EVA).
2. Pengaruh Parsial
Variabel VACA memiliki pengaruh negatif dan tidak signifikan terhadap EVA
hal ini dapat dilihat dari nilai prob 0,9920 > 0,05 dan nilai thitung (0,010070) < ttabel
2,0141. Hasil penelitian ini sesuai dengan penelitian Mayasani (2015) yang
menyatakan Capital Employed Efficiency (CEE) tidak memiliki pengaruh
terhadap EVA. Hubungan negatif sejalan dengan penelitian Kaboudi et al. (2015)
yang menyatakan bahwa hubungan antara VACA adalah negatif dengan EVA
dan bertentangan dengan penelitian Mojtahedi & Ashrafipour (2013) yang
UNIVERSITAS SUMATERA UTARA
80
menyatakan VACA berpengaruh positif terhadap EVA.
VACA menunjukkan jumlah value added yang dapat dihasilkan oleh satuan
unit CE atau modal fisik sementara EVA menghitung nilai tambah ekonomis
perusahaan dengan mempertimbangkan opportunity cost. VACA berpengaruh
negatif dan tidak signifikan terhadap EVA artinya kemampuan modal fisik
untuk menciptakan value added belum dapat memprediksi naik turunnya nilai
EVA. Nilai EVA masih lebih dipengaruhi oleh faktor-faktor lain.
Variabel VAHU memiliki pengaruh negatif dan signifikan terhadap EVA hal ini
dapat dilihat dari Nilai prob 0,0148 < 0,05 dan nilai thitung (2,535698) > ttabel
2,0141. Hasil penelitian ini bertentangan dengan hasil penelitian-penlitian
terdahulu di mana Kaboudi et al. (2015) menyatakan VAHU memiliki korelasi
positif signifikan terhadap Economic Value Added dan Taheri et al. (2014)
terdapat hubungan positif dan signifikan antara human capital and Economic
Value Added.
VAHU menunjukkan kontribusi human capital yang diinvestasikan untuk
menghasilkan value added sementara EVA menghitung value added dengan
mempertimbangkan opportunity cost dari biaya modal. Pengaruh negatif dan
signifikan mengindikasikan bahwa VAHU yang dimilki oleh BUSN Devisa
akan menurunkan nilai EVA. Semakin tinggi VAHU maka semakin besar
efektivitas penggunaan sumber daya manusia di dalam, bank dengan kata lain
produktivitas tenaga kerja tinggi. Jika produktivitas tenaga keja tinggi dan
nilai VACA tinggi, konsumen akan cenderung mengandalkan human capital
untuk mengakses layanan perbankan. Ini adalah hal yang kontraproduktif
UNIVERSITAS SUMATERA UTARA
81
terhadap EVA karena pelayanan perbankan masa kini akan lebih efektif &
efisien jika dialihkan structural capital.
Variabel STVA memiliki pengaruh positif dan signifikan terhadap EVA hal
ini dapat dilihat dari Nilai prob 0,0068 < 0,05 dan nilai thitung 2,843064 > ttabel
2,0141. STVA berpengaruh positif dan signifikan terhadap EVA, hal ini
sejalan dengan penelitian Mayasani (2015), Taheri et al. (2013), dan
Mojtahedi & Ashrafipour (2013).
STVA menunjukkan kualitas sistem dan struktur organisasi yang dimiliki oleh
perusahaan. Rasio ini mengungkap jumlah structural capital (SC) yang
dibutuhkan untuk menghasilkan 1 unit value added. Nilai STVA yang tinggi
mengindikasikan bahwa structural capital memiliki andil yang besar dalam
penciptaan nilai tambah. Perusahaan seperti bank sangat bergantung pada
sistem dan jaringan sehingga banyak mengandalkan structural capital dalam
melakukan operasional, sehingga semakin besar dana yang dialokasikan untuk
structural capital dan semakin canggih teknologi yang dimiliki oleh bank
maka EVA akan semakin besar.
4.2.2 Pengaruh VACA, VAHU Dan STVA Terhadap MVA
1. Pengaruh Simultan
Nilai VACA, VAHU dan STVA terhadap MVA memiliki nilai signifikan
sebesar 0,014144. hal ini berarti nilai sig < α atau 0,014144 < 0,05 dan nilai
Fhitung > Ftabel = 3,799538 > 2,74 sehingga dapat dinyatakan Ho ditolak dan Ha
diterima, artinya secara bersamaan variabel-variabel bebas yaitu VACA,
VAHU, dan STVA berpengaruh signifikan terhadap MVA.
UNIVERSITAS SUMATERA UTARA
82
Hal ini sesuai dengan penelitian Mousavi Shiri et al. (2012) dan Robiyansah
(2017) Value Added Human Capital (VAHU), Structural Capital Value Added
(STVA) dan Value Added Capital Employeed (VACA) berpengaruh secara
simultan terhadap Market Value Added (MVA). Temuan ini menunjukkan
intellectual capital BUSN devisa mampu meningkatkan nilai pasar saham
bank yang bersangkutan.
2. Pengaruh Parsial
Variabel VACA memiliki pengaruh negatif dan signifikan terhadap MVA hal
ini dapat dilihat dari tingkat signifikan 0,0111 < 0,05 dan nilai thitung
(2,612206) > ttabel 1,99656. VACA berpengaruh negatif dan signifikan
terhadap MVA, hal ini bertentangan dengan penelitian Robiyansah (2017)
yang menyatakan bahwa VACA tidak berpengaruh terhadap MVA, hasil
penelitian ini juga bertentangan Kaboudi et al. (2015) dimana didapati
pengaruh positif VACA terhadap MVA.
VACA merupakan rasio yang menunjukkan jumlah value added yang bisa
dihasilkan oleh satuan unit CE sementara MVA menghitung kinerja keuangan
perusahaan dari segi pasar yang tercermin dari harga saham. VACA
berpengaruh negatif dan signifikan terhadap MVA artinya semakin besar
kemampuan CE bank dalam menghasilkan value added malah menurunkan
nilai pasar saham bank yang bersangkutan. VACA yang tinggi menunjukkan
bahwa CE memiliki kemampuan yang besar untuk menghasilkan nilai tambah,
jumlah CE yang tinggi akan memperkecil VACA. Sementara itu, dalam
melakukan keputusan investasi biasanya investor akan memperhatikan jumlah
UNIVERSITAS SUMATERA UTARA
83
modal dan laba perusahaan. Investor tentu lebih menyukai perusahaan yang
memiliki modal yang besar karena jumlah modal yang besar dinilai mampu
menjamin kelangsungan hidup bank dalam jangka panjang.
Variabel VAHU memiliki pengaruh negatif dan tidak signifikan terhadap
MVA hal ini dapat dilihat dari tingkat signifikan 0,5699 > 0,05 dan nilai thitung
(0,571022) < ttabel 1,99656 artinya jika variabel VAHU ditingkatkan satu
satuan maka MVA tidak akan menurun 709.616,1 satuan. VAHU tidak
berpengaruh terhadap MVA hal ini bertentangan dengan Robiyansah (2017)
dan Kaboudi et al. (2015) yang menyatakan bahwa VAHU berpengaruh
positif dan signifikan terhadap MVA. VAHU menunjukkan kontribusi human
capital terhadap penciptaan value added sedangkan MVA mengukur value
added dari segi pasar saham. Dana yang diinvestasikan untuk human capital
belum mampu untuk meningkatkan harga saham perusahaan.
Variabel STVA memiliki pengaruh positif dan tidak signifikan terhadap
MVA hal ini dapat dilihat dari tingkat signifikani 0,0869 > 0,05 dan nilai thitung
1,738037 < ttabel 1,99656. Pengaruh positif bertentangan dengan Kaboudi et al.
(2015) dan sejalan dengan penelitian Robiyansah (2017).
Pengaruh yang tidak signifikan mengisyaratkan bahwa kontribusi structural
capital dalam menciptakan nilai belum mampu mempengaruhi market value
secara nyata.
UNIVERSITAS SUMATERA UTARA
84
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis data dan pembahasan pada bab sebelumnya
maka didapatkan beberapa kesimpulan sebagai berikut
1. Secara simultan variabel-variabel bebas yaitu VACA, VAHU, dan STVA
berpengaruh signifikan terhadap EVA.
2. VACA memiliki pengaruh negatif dan tidak signifikan, VAHU memiliki
pengaruh negatif dan signifikan, dan STVA memiliki pengaruh positif dan
signifikan terhadap EVA.
3. Secara simultan variabel-variabel bebas yaitu VACA, VAHU, dan STVA
berpengaruh signifikan terhadap MVA.
4. VACA berpengaruh negatif dan signifikan, variabel VAHU memiliki
pengaruh negatif dan tidak signifikan dan variabel STVA memiliki pengaruh
positif dan tidak signifikan terhadap MVA.
5.2 Saran
1. BUSN Devisa harus terus meningkatkan inovasi dalam aspek structural
capital karena STVA terbukti berpengaruh positif dan signifikan terhadap
EVA. STVA memiliki andil yang besar dalam penciptaan Economic Value
Added sebuah bank.
2. Jika ingin meningkatkan nilai Market Value Added, BUSN Devisa dapat
memperbayak jumlah capital employed. VACA berpengaruh negatif dan
UNIVERSITAS SUMATERA UTARA
85
signifikan terhadap MVA sehingga penambahan capital employed akan
menurunkan rasio VACA dan meningkatkan MVA.
3. Bagi peneliti selanjutnya dapat menambah faktor-faktor intellectual capital
lainnya seperti; relational capital atau customer capital. Peneliti selanjutnya
dapat meneliti intellectual capital dengan cakupan yang lebih luas tidak
terbatas pada satu sektor saja.
UNIVERSITAS SUMATERA UTARA
86
DAFTAR PUSTAKA
Bontis, N. K. (2000). Intellectual capital & business performance in Malaysian
Industries. Journal of Intellectual Capital. Vol. 1 No.1 .
Chen, J., Zhu, Z., & Xie, H. Y. (2004). Measuring intellectual capital: a new
model and empirical study. Journal of Inttelectual Capital, Vol. 1 No. 1,
195-212.
Dewi, C. P. (2011). Pengaruh Intellectual Capital TerhadapKinerja Keuangan
Pada Perusahaan Manufaktur Yang Terdaftar Di BEI Tahun 2007-2009.
Semarang: Universitas Diponegoro.
Eliezer, H. H. (2017, 7 19). koransindo.com. Retrieved from koransindo.com:
http://koransindo.com/page/news/20160115/2/3/Model_Bsnis_dan_Integra
si_Dalam_Strategi_Perusahaan
Ghozali, I. (2016). Aplikasi Analisis Multivariete dengan Progran IBM SPSS 23.
Semarang: Badan Penerbit Universitas Diponegoro.
Ghozali, I., & Ratmono, D. (2017). Analisis Multivariat dan Ekonometrika: Teori,
Konsep, dan Aplikasi dengan Eviews 10. Semarang: Badan Penerbit
Universitas Diponegoro.
Harrison, S., & Sullivan, P. H. (2000). Profiting from intellectual capital Learning
from leading companies. Journal of Intellectual Capital, Vol. 1, No. 1, 33-
46.
Ikhwan, H. S. (2012). Penilaian Kinerja Keuangan Sebagai Dasar Penetapan
Strategi Marketing Pt. Bank Agro Niaga, Tbk. Bogor: Institut Pertanian
Bogor.
Indonesia, I. A. (2007). Standar Akuntansi Keuangan: Per 1 September 2007. In I.
A. Indonesia, Standar Akuntansi Keuangan: Per 1 September 2007.
Jakarta: Salemba Empat.
Kaboudi, A. M., Joorboyan, S., Ebrahimi, M., & Mojahed, S. (2015). The
relationship between intellectual capital and value-based performance
measurement variables (Case study: automotive industry companies of
Iran). Cumhuriyet University Faculty of Science Science Journal (CSJ),
Vol. 36, No. 3 Special Issue.
Kasmir. (2008). Bank dan Lembaga Keuangan Lainnya. Jakarta: Rajawali Press.
Keuangan, O. J. (2016). Statistik Perbankan Indonesia, Vol: 14 No. 1 Desember.
OJK.
Mayasani, R. (2015). Pengaruh Modal Intelektual Terhadap Economic Value
Added Pada Perusahaan Farmasi Di Bursa Efek Indonesia Periode 1009-
1013. Jurnal Akuntansi UNESA Vol. 3 No. 2.
UNIVERSITAS SUMATERA UTARA
87
Mojtahedi, P., & Ashrafipour, M. A. (2013). The Effects of Intellectual Capital on
Economic Value Added in Malaysian Companies. Current Research
Journal of Economic Theory.
Molodchik, M., Abramova, O., & Nursubina, J. (2011). Intellectual capital impact
on financial performance: industry effects. National Research University
Higher School of Economics, Pern, Russia.
Mousavi Shiri, M., Mousavi, K., Vaghfi, S. H., & Soltan Ahmadi, A. P. (2012).
The Effect of Intellectual Capital on Market Value Added. Journal of
Basic and AppliedScientific Research.
Pramelasari, Y. M. (2010). Pengaruh Intellectual Capital Terhadap Nilai Pasar dan
Kinerja Keuangan. Semarang: Universitas Diponegoro.
Prehatiningsih, S. P. (2007). Analisis Pengaruh Rasio Keuangan Dan Economic
Value Added (EVA) Terhadap Market Value Added (MVA): (Studi Kasus
PT. Bank Danamon Indonesia, Tbk). Bogor: Institut Pertanian Bogor.
Primadia, F. (2011). Kajian Kinerja Keuangan Pada PT Bank Internasional
Indonesia, Tbk Periode 2004-2009. Bogor: Institut Pertanian Bogor.
Retnowati, E. (2010). Analisis Kinerja Keuangan Perusahaan Dengan
MenggunakanMetode Economic Value Added (EVA): Studi Kasus PT
Bank Mandiri (Persero) TBK dan PT Bank Rakyat Indonesia (Persero)
TBK. Bogor: Institut Pertanian Bogor.
Robiyansah, H., Manik, T., & Uzaimi, A. (2017). Pengaruh Intellectual Capital
Terhadap Market Value Added Pada Perusahaan Manifaktur Sektor
Industri Barang Konsumsi Yang Terdaftar Di Bursa Efek Indonesia
Periode 2011-2013. Jurnal Fakultas Ekonomi Universitas Maritim Raja
Ali Haji.
Ryan, N. (2011). Economic value added versus profit-based measures of
performance. Retrieved from accaglobal.com.
Saputra, A. H. (2012). Analisis Pengaruh Rasio Keuangan dan Economic Value
Added (EVA) Terhadap Market Value Added (MVA) Pada PT Bank
Central Asia, Tbk. Bogor: Institut Pertanian Bogor.
Sekaran, U. (2006). Research Method For Business: metodologi penelitian untuk
bisnis, Edisi 4 Buku 1. Jakarta: Salemba Empat.
Shelviana, F. R. (2015). Pengaruh Intellectual Capital Terhadap Economic Value
Added Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek
Indonesia Periode 2011-2013. Jurnal Akuntansi UNESA Vol. 3, No. 2.
Situmorang, S. H., & Lufti, M. (2015). Analisis Data: untuk Riset Manajemen dan
Bisnis, Edisi 3. Medan: USU Press.
UNIVERSITAS SUMATERA UTARA
88
Sugiyono. (2009). Metode Penelitian Kuanitatif, Kualitatif dan R&D. Bandung:
Alfabeta
Sveiby. (2018). www.sveiby.com/articles/knowledgetheoryoffirm.htm. Retrieved
from Sveiby.com.
Taheri, F., Asadollahi, S. Y., & Niazian, M. (2014). Investigating The
Relationship Between Intellectual Capital And Economic Value Added Of
Listing Companies In Tehran Stock Exchange. Indian Journal of
Fundamental & Applies Life Science.
Tan, H. P., Plowman, D., & Hancock, P. (2007). Intellectual capital and financial
return of companies. Journal of Intellectual Capital, Vol. 8 No. 1, 76-95.
Ulum , I. (2009). Intellectual Capital: Konsep dan Kajian Empiris. Yogyakarta:
Graha Ilmu.
Ulum, I. (2007). Pengaruh Intellectual Capital Terhadap Kinerja Keuangan
Perusahaan Perbankan Di Indonesia. Semarang: Universitas Diponegoro.
Untara, A. P. (2014). Pengaruh Modal Intelektual Terhadap Kinerja Keuangan
Perusahaan Perbankan Yang Terdaftar Di BEI. Jurnal Ilmu & Riset
Akuntansi, Vol. 3, No. 10.
Widyaningrum, A. (2004). Modal Intellectual. Jurnal Akuntansi dan Keuangan
Indonesia, Vol. 1, 16-25.
UNIVERSITAS SUMATERA UTARA
89
DAFTAR LAMPIRAN
Lampiran 1
Data Variabel EVA, MVA, VACA, VAHU dan STVA
Tahun Kode EVA MVA VACA VAHU STVA
2012 AGRO 146838 129524 0.2882 1.7067 0.4141
2013 AGRO 232836 131695 0.1647 1.8334 0.4546
2014 AGRO 367023 -84436 0.1874 1.8098 0.4474
2015 AGRO 442725 -89645 0.1484 1.8181 0.45
2016 AGRO 722215 1994508 0.1308 1.9317 0.4823
2012 BBKP 2963080 101103 0.2953 2.5566 0.6088
2013 BBKP 3774746 303318 0.276 2.4053 0.5842
2014 BBKP 4441192 -588368 0.2297 2.1107 0.5262
2015 BBKP 5103961 -1149124 0.249 2.1749 0.5402
2016 BBKP 5294107 -3780278 0.4434 2.1787 0.541
2012 BBNP 377472 -125208 0.335 1.8471 0.4586
2013 BBNP 500418 -75442 0.2512 1.8327 0.4543
2014 BBNP 625992 -17081 0.2508 1.7392 0.425
2015 BBNP 530646 279991 0.2161 1.4514 0.311
2016 BBNP 350110 64617 0.0217 1.0747 0.0695
2012 BDMN 7137364 28095566 0.4555 4.0508 0.7531
2013 BDMN 6919466 23272388 0.2444 2.0285 0.507
2014 BDMN 8432525 10167051 0.2653 2.4887 0.5982
2015 BDMN 6326809 7003120 0.1864 1.8816 0.4685
2016 BDMN 6495177 -1077112 0.1879 2.4298 0.5884
2012 BNBA 165608 -120012 0.2551 2.0108 0.5027
2013 BNBA 214474 -182491 0.2545 1.8037 0.4456
2014 BNBA 327096 -231662 0.2524 1.7247 0.4202
2015 BNBA 366684 -840521 0.142 1.71 0.4152
2016 BNBA 399415 -853936 0.0115 1.9408 0.4848
2012 BNGA 6172601 7016759 0.3635 3.1436 0.6819
2013 BNGA 10188057 3470445 0.2901 2.9567 0.6618
2014 BNGA 10291655 -4338460 0.1973 2.0971 0.5232
2015 BNGA 8832426 -1.2E+07 0.1489 1.1526 0.1324
2016 BNGA 10112773 -1.6E+07 2.0544 1.8041 0.4457
2012 BNII 4151456 15184505 0.2777 1.7389 0.4249
2013 BNII 5456726 9785230 0.2671 1.9929 0.4982
2014 BNII 5998699 3677900 0.1683 1.3954 0.2833
2015 BNII 6232195 -3453251 0.2002 1.6464 0.3926
UNIVERSITAS SUMATERA UTARA
90
2016 BNII 7448498 982949 0.4749 2.0766 0.5184
2012 BSIM 1542803 728516 0.5305 4.7982 0.7916
2013 BSIM 1299270 375253 0.1929 2.0352 0.5087
2014 BSIM 1903272 423525 0.1588 1.5631 0.3602
2015 BSIM 2313924 1615500 0.1732 1.572 0.3639
2016 BSIM 2767112 5283271 1.5591 1.9489 0.4869
2012 INPC 219210 -967424 0.2018 1.4896 0.3287
2013 INPC 1038080 -1303127 0.2187 1.9511 0.4875
2014 INPC 1274432 -1591983 0.1983 1.5369 0.3493
2015 INPC 1301923 -1832839 0.1708 1.2188 0.1795
2016 INPC 1965027 -3159142 0.0257 1.2876 0.2233
2012 MAYA 994465 5551457 0.4716 3.9403 0.7462
2013 MAYA 1511369 4020199 0.2895 2.6738 0.626
2014 MAYA 2537574 3074090 0.2847 2.6062 0.6163
2015 MAYA 3558566 926028 0.2533 2.9542 0.6615
2016 MAYA 4123406 3506688 0.0543 3.3579 0.7022
2012 MEGA 3178357 5866594 0.5128 3.3657 0.7029
2013 MEGA 2420618 11675266 0.2584 1.5294 0.3462
2014 MEGA 3130179 6948802 0.2304 1.5856 0.3693
2015 MEGA 3198216 6910836 0.1818 2.0594 0.5144
2016 MEGA 3077065 8354923 0.2127 2.3415 0.5729
2012 NISP 2776998 1656304 0.2365 2.0831 0.52
2013 NISP 2973745 5187174 0.1938 2.1937 0.5441
2014 NISP 4569959 335110 0.196 2.264 0.5583
2015 NISP 4903934 -1612019 0.2021 2.2363 0.5528
2016 NISP 5822225 -2313573 0.8569 2.2801 0.5614
2012 PNBN 5942907 -964641 0.1614 3.6818 0.7284
2013 PNBN 7856829 -4617802 0.1609 3.2847 0.6956
2014 PNBN 9182940 2290858 0.1857 2.9738 0.6637
2015 PNBN 8596982 -1181046 0.1257 2.4077 0.5847
2016 PNBN 8977346 -1.2E+07 7.6088 2.8858 0.6535
2012 SDRA 437688 340331 0.3279 2.2958 0.5644
2013 SDRA 579754 1012662 0.3484 2.0443 0.5108
2014 SDRA 74631 -1643366 0.0521 7.2833 0.8627
2015 SDRA 806131 -1721994 0.1283 2.6011 0.6155
2016 SDRA 746510 1013819 0.0187 2.2973 0.5647
UNIVERSITAS SUMATERA UTARA
91
Lampiran 2
Data Variabel EVA, VACA, VAHU dan STVA Setelah Transformasi Delta
Tahun D_EVA D_VACA D_VAHU D_STVA
2013 85998 -0.1235 0.1267 0.0405
2014 134187 0.0227 -0.0236 -0.0072
2015 75702 -0.0390 0.0083 0.0026
2016 279490 -0.0176 0.1136 0.0323
2013 811666 -0.0193 -0.1513 -0.0246
2014 666446 -0.0463 -0.2946 -0.0580
2015 662769 0.0193 0.0642 0.0140
2016 190146 0.1944 0.0038 0.0008
2013 122946 -0.0838 -0.0144 -0.0043
2014 125574 -0.0004 -0.0935 -0.0293
2015 -95346 -0.0347 -0.2878 -0.1140
2016 -180536 -0.1944 -0.3767 -0.2415
2013 48866 -0.0006 -0.2071 -0.0571
2014 112622 -0.0021 -0.0790 -0.0254
2015 39588 -0.1104 -0.0147 -0.0050
2016 32731 -0.1305 0.2308 0.0696
2013 1305270 -0.0106 0.2540 0.0733
2014 541973 -0.0988 -0.5975 -0.2149
2015 233496 0.0319 0.2510 0.1093
2016 1216303 0.2747 0.4302 0.1258
2013 -243533 -0.3376 -2.7630 -0.2829
2014 604002 -0.0341 -0.4721 -0.1485
2015 410652 0.0144 0.0089 0.0037
2016 453188 1.3859 0.3769 0.1230
2013 818870 0.0169 0.4615 0.1588
2014 236352 -0.0204 -0.4142 -0.1382
2015 27491 -0.0275 -0.3181 -0.1698
2016 663104 -0.1451 0.0688 0.0438
2013 516904 -0.1821 -1.2665 -0.1202
2014 1026205 -0.0048 -0.0676 -0.0097
2015 1020992 -0.0314 0.3480 0.0452
2016 564840 -0.1990 0.4037 0.0407
2013 -757739 -0.2544 -1.8363 -0.3567
2014 709561 -0.0280 0.0562 0.0231
2015 68037 -0.0486 0.4738 0.1451
2016 -121151 0.0309 0.2821 0.0585
2013 196747 -0.0427 0.1106 0.0241
2014 1596214 0.0022 0.0703 0.0142
2015 333975 0.0061 -0.0277 -0.0055
2016 918291 0.6548 0.0438 0.0086
2013 1913922 -0.0005 -0.3971 -0.0328
2014 1326111 0.0248 -0.3109 -0.0319
2015 -585958 -0.0600 -0.5661 -0.0790
2016 380364 7.4831 0.4781 0.0688
2013 142066 0.0205 -0.2515 -0.0536
2014 -505123 -0.2963 5.2390 0.3519
2015 731500 0.0762 -4.6822 -0.2472
2016 -59621 -0.1096 -0.3038 -0.0508
UNIVERSITAS SUMATERA UTARA
92
Lampiran 3
Analisis Deskriptif
VACA VAHU STVA EVA MVA
Mean 0.388109 2.273899 0.509020 3124282. 1342807.
Median 0.224200 2.051850 0.512600 2563729. 66098.50
Maximum 7.608800 7.283300 0.862700 16586100 29558423
Minimum 0.011500 1.074700 0.069500 -11827707 -13554478
Std. Dev. 0.924637 0.930658 0.149261 3961215. 6292226.
Observations 70 70 70 70 70
Lampiran 4
Common Effect Model (CEM)
Dependent Variable: EVA
Method: Panel Least Squares
Date: 04/16/19 Time: 05:53
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70 Variable Coefficient Std. Error t-Statistic Prob. C 770838.5 1279079. 0.602651 0.5488
VACA 813219.3 383175.5 2.122315 0.0376
VAHU -871372.3 715847.3 -1.217260 0.2278
STVA 8638264. 4494849. 1.921814 0.0589 R-squared 0.137469 Mean dependent var 3502093.
Adjusted R-squared 0.098263 S.D. dependent var 3058123.
S.E. of regression 2903989. Akaike info criterion 32.65651
Sum squared resid 5.57E+14 Schwarz criterion 32.78500
Log likelihood -1138.978 Hannan-Quinn criter. 32.70755
F-statistic 3.506316 Durbin-Watson stat 0.213582
Prob(F-statistic) 0.020041
UNIVERSITAS SUMATERA UTARA
93
Lampiran 5
Fixed Effect Model (FEM)
Dependent Variable: EVA
Method: Panel Least Squares
Date: 04/16/19 Time: 05:55
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70 Variable Coefficient Std. Error t-Statistic Prob. C 3693955. 572660.8 6.450512 0.0000
VACA 185872.2 133067.5 1.396826 0.1683
VAHU -248716.9 250305.5 -0.993653 0.3249
STVA 592425.5 1774485. 0.333858 0.7398 Effects Specification Cross-section fixed (dummy variables) R-squared 0.928690 Mean dependent var 3502093.
Adjusted R-squared 0.907163 S.D. dependent var 3058123.
S.E. of regression 931786.2 Akaike info criterion 30.53511
Sum squared resid 4.60E+13 Schwarz criterion 31.08117
Log likelihood -1051.729 Hannan-Quinn criter. 30.75201
F-statistic 43.13971 Durbin-Watson stat 1.287847
Prob(F-statistic) 0.000000
UNIVERSITAS SUMATERA UTARA
94
Lampiran 6
Random Effect Model (REM)
Dependent Variable: EVA
Method: Panel EGLS (Cross-section random effects)
Date: 04/16/19 Time: 05:56
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 3537437. 885454.7 3.995052 0.0002
VACA 207433.1 132752.4 1.562556 0.1229
VAHU -272941.8 249656.3 -1.093270 0.2782
STVA 991692.2 1760115. 0.563425 0.5751 Effects Specification
S.D. Rho Cross-section random 2549736. 0.8822
Idiosyncratic random 931786.2 0.1178 Weighted Statistics R-squared 0.055580 Mean dependent var 564858.7
Adjusted R-squared 0.012652 S.D. dependent var 968620.7
S.E. of regression 962473.7 Sum squared resid 6.11E+13
F-statistic 1.294726 Durbin-Watson stat 0.949591
Prob(F-statistic) 0.283601 Unweighted Statistics R-squared 0.032910 Mean dependent var 3502093.
Sum squared resid 6.24E+14 Durbin-Watson stat 0.093032
Lampiran 7
Chow Test
Redundant Fixed Effects Tests
Equation: FIXED_EF
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 45.235681 (13,53) 0.0000
Cross-section Chi-square 174.498600 13 0.0000
UNIVERSITAS SUMATERA UTARA
95
Lampiran 8
Hausman Test Correlated Random Effects - Hausman Test
Equation: RANDOM_EF
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 7.418875 3 0.0597
Lampiran 9
Common Effect Model (CEM) Setelah Dilakukan Transformasi
Dependent Variable: D_EVA
Method: Panel Least Squares
Date: 04/12/19 Time: 21:36
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 414898.9 76539.23 5.420736 0.0000
D_VACA -694.3153 68948.05 -0.010070 0.9920
D_VAHU -271284.6 106986.2 -2.535698 0.0148
D_STVA 2921190. 1027479. 2.843064 0.0068 R-squared 0.160937 Mean dependent var 391586.5
Adjusted R-squared 0.103729 S.D. dependent var 544952.7
S.E. of regression 515915.5 Akaike info criterion 29.22493
Sum squared resid 1.17E+13 Schwarz criterion 29.38086
Log likelihood -697.3983 Hannan-Quinn criter. 29.28386
F-statistic 2.813158 Durbin-Watson stat 1.592338
Prob(F-statistic) 0.050189
UNIVERSITAS SUMATERA UTARA
96
Lampiran 10
Fixed Effect Model (FEM) Setelah Dilakukan Transformasi
Dependent Variable: D_EVA
Method: Panel Least Squares
Date: 04/12/19 Time: 21:36
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 414898.9 76539.23 5.420736 0.0000
D_VACA -694.3153 68948.05 -0.010070 0.9920
D_VAHU -271284.6 106986.2 -2.535698 0.0148
D_STVA 2921190. 1027479. 2.843064 0.0068 R-squared 0.160937 Mean dependent var 391586.5
Adjusted R-squared 0.103729 S.D. dependent var 544952.7
S.E. of regression 515915.5 Akaike info criterion 29.22493
Sum squared resid 1.17E+13 Schwarz criterion 29.38086
Log likelihood -697.3983 Hannan-Quinn criter. 29.28386
F-statistic 2.813158 Durbin-Watson stat 1.592338
Prob(F-statistic) 0.050189
UNIVERSITAS SUMATERA UTARA
97
Lampiran 11
Random Effect Model (REM) Setelah Dilakukan Transformasi
Dependent Variable: D_EVA
Method: Panel EGLS (Cross-section random effects)
Date: 04/12/19 Time: 21:53
Sample: 2013 2016
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 418040.5 94571.42 4.420368 0.0001
D_VACA -27671.23 66175.92 -0.418147 0.6779
D_VAHU -262211.6 98152.94 -2.671459 0.0105
D_STVA 2807424. 954798.7 2.940331 0.0052 Effects Specification
S.D. Rho Cross-section random 222626.3 0.1855
Idiosyncratic random 466428.1 0.8145 Weighted Statistics R-squared 0.167991 Mean dependent var 283248.5
Adjusted R-squared 0.111263 S.D. dependent var 495794.3
S.E. of regression 467399.5 Sum squared resid 9.61E+12
F-statistic 2.961344 Durbin-Watson stat 2.000243
Prob(F-statistic) 0.042400 Unweighted Statistics R-squared 0.157410 Mean dependent var 391586.5
Sum squared resid 1.18E+13 Durbin-Watson stat 1.634858
Lampiran 12
Chow Test Setelah Dilakukan Transformasi
Redundant Fixed Effects Tests
Equation: EQ02
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 1.893817 (11,33) 0.0771
Cross-section Chi-square 23.489297 11 0.0151
UNIVERSITAS SUMATERA UTARA
98
Lampiran 13
Breusch-Pagan Lagrange Multiplier Test Setelah Dilakukan Transformasi
Lagrange multiplier (LM) test for panel data
Date: 04/12/19 Time: 21:04
Sample: 2013 2016
Total panel observations: 48
Probability in () Null (no rand. effect) Cross-section Period Both
Alternative One-sided One-sided Breusch-Pagan 1.782028 0.514688 2.296716
(0.1819) (0.4731) (0.1296)
Honda 1.334926 0.717418 1.451226
(0.0910) (0.2366) (0.0734)
King-Wu 1.334926 0.717418 1.253873
(0.0910) (0.2366) (0.1049)
GHM -- -- 2.296716
-- -- (0.1441)
Lampiran 14
Uji Normalitas
0
2
4
6
8
10
12
-1000000 -500000 0 500000 1000000 1500000
Series: Standardized Residuals
Sample 2013 2016
Observations 48
Mean -7.03e-11
Median -142543.5
Maximum 1487111.
Minimum -923698.8
Std. Dev. 499178.6
Skewness 0.814280
Kurtos is 3.501251
Jarque-Bera 5.806926
Probabi l i ty 0.054833
UNIVERSITAS SUMATERA UTARA
99
Lampiran 15
Uji Multikolinearitas
Variance Inflation Factors
Date: 04/18/19 Time: 17:45
Sample: 1 48
Included observations: 48 Coefficient Uncentered Centered
Variable Variance VIF VIF C 5.86E+09 1.056458 NA
D_VACA 4.75E+09 1.053016 1.031948
D_VAHU 1.14E+10 2.819263 2.787939
D_STVA 1.06E+12 2.912619 2.841089
Lampiran 16
Uji Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey
Null hypothesis: Homoskedasticity F-statistic 0.154556 Prob. F(3,44) 0.9262
Obs*R-squared 0.500544 Prob. Chi-Square(3) 0.9188
Scaled explained SS 0.526008 Prob. Chi-Square(3) 0.9131
Lampiran 17
Uji Autokolerasi
Breusch-Godfrey Serial Correlation LM Test:
Null hypothesis: No serial correlation at up to 2 lags
F-statistic 63.49223 Prob. F(2,64) 0.0000
Obs*R-squared 46.54259 Prob. Chi-Square(2) 0.0000
Lampiran 18
Uji Autokorelasi Sesudah Transformasi
Breusch-Godfrey Serial Correlation LM Test:
Null hypothesis: No serial correlation at up to 2 lags
F-statistic 0.663720 Prob. F(2,42) 0.5202
Obs*R-squared 1.470596 Prob. Chi-Square(2) 0.4794
UNIVERSITAS SUMATERA UTARA
100
Lampiran 19
Common Effect Model
Dependent Variable: MVA
Method: Panel Least Squares
Date: 04/16/19 Time: 13:06
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70 Variable Coefficient Std. Error t-Statistic Prob. C -3330801. 2672768. -1.246199 0.2171
VACA -2214125. 800685.2 -2.765288 0.0074
VAHU -1134966. 1495837. -0.758749 0.4507
STVA 16370469 9392456. 1.742938 0.0860 R-squared 0.141563 Mean dependent var 1561978.
Adjusted R-squared 0.102543 S.D. dependent var 6405489.
S.E. of regression 6068187. Akaike info criterion 34.13046
Sum squared resid 2.43E+15 Schwarz criterion 34.25895
Log likelihood -1190.566 Hannan-Quinn criter. 34.18150
F-statistic 3.627982 Durbin-Watson stat 0.445390
Prob(F-statistic) 0.017339
UNIVERSITAS SUMATERA UTARA
101
Lampiran 20
Fixed Effect Model
Dependent Variable: MVA
Method: Panel Least Squares
Date: 04/16/19 Time: 13:07
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70 Variable Coefficient Std. Error t-Statistic Prob. C -3899726. 2899235. -1.345088 0.1843
VACA -1578723. 673687.0 -2.343408 0.0229
VAHU -592069.7 1267233. -0.467215 0.6423
STVA 14578459 8983765. 1.622756 0.1106 Effects Specification Cross-section fixed (dummy variables) R-squared 0.583393 Mean dependent var 1561978.
Adjusted R-squared 0.457624 S.D. dependent var 6405489.
S.E. of regression 4717396. Akaike info criterion 33.77892
Sum squared resid 1.18E+15 Schwarz criterion 34.32499
Log likelihood -1165.262 Hannan-Quinn criter. 33.99583
F-statistic 4.638633 Durbin-Watson stat 0.907922
Prob(F-statistic) 0.000011
UNIVERSITAS SUMATERA UTARA
102
Lampiran 21
Random Effect Model
Dependent Variable: MVA
Method: Panel EGLS (Cross-section random effects)
Date: 04/16/19 Time: 06:05
Sample: 2012 2016
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C -3657541. 2872696. -1.273209 0.2074
VACA -1728639. 661754.7 -2.612206 0.0111
VAHU -709616.1 1242712. -0.571022 0.5699
STVA 14742081 8482029. 1.738037 0.0869 Effects Specification
S.D. Rho Cross-section random 4180709. 0.4399
Idiosyncratic random 4717396. 0.5601 Weighted Statistics R-squared 0.147272 Mean dependent var 703690.8
Adjusted R-squared 0.108511 S.D. dependent var 4943684.
S.E. of regression 4667762. Sum squared resid 1.44E+15
F-statistic 3.799538 Durbin-Watson stat 0.737851
Prob(F-statistic) 0.014144 Unweighted Statistics R-squared 0.135436 Mean dependent var 1561978.
Sum squared resid 2.45E+15 Durbin-Watson stat 0.433490
Lampiran 22
Chow Test
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 4.323746 (13,53) 0.0001
Cross-section Chi-square 50.607820 13 0.0000
UNIVERSITAS SUMATERA UTARA
103
Lampiran 23
Hausman Test
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 1.618463 3 0.6552
UNIVERSITAS SUMATERA UTARA