Desain penelitian

3.1 variabel

Parameter model FAM (lihat Marttonen et al., 2013) digunakan sebagai variabel dalam penelitian ini.
Ada total sembilan variabel yang dapat dibagi menjadi empat kelompok: modal kerja keuangan, modal
kerja operasional, aset tetap dan profitabilitas. Gambar 1 (lihat Bagian 2) menyajikan hubungan antara
variabel, dan bagian ini memberikan persamaan untuk setiap variabel.

Modal kerja keuangan diukur dengan menggunakan siklus arus keuangan (FFC), yang berasal dari
istilah residu dalam model FAM (Marttonen et al., 2013). Definisi ini untuk modal kerja keuangan
dipilih karena lebih universal daripada definisi Fleuriet et al. (1978), yang tidak dapat diterapkan pada
semua perusahaan karena perbedaan dalam laporan keuangan. FFC terdiri dari dua komponen: aktiva
lancar lainnya (OCA) dan kewajiban lancar lainnya (OCL). OCA mencakup semua OCA kecuali
persediaan dan piutang usaha, sedangkan OCL mencakup seluruh OCL kecuali hutang usaha. Setelah
persamaan menyajikan perhitungan FFC:

FFC = OCA-OCL
(aset lancar−persediaan−piutang dagangx365
𝑶𝑪𝑨 = penjualan bersih
(2)

(kewajiban lancar−hutang usahax365

𝑶𝑪𝑳 = penjualan bersih
(3)

Modal kerja operasional diukur dengan menggunakan komponen masing-masing dari siklus konversi
tunai (CCC) (Persamaan (4)). Komponen arus dalam persediaan (DIO), waktu siklus piutang (DSO) dan
waktu siklus hutang (DPO). Komponen dihitung berdasarkan metode yang diperkenalkan oleh Shin
dan Soenen (1998). Persediaan dibagi dengan penjualan dan dikalikan dengan 365 hari akan
menghasilkan waktu siklus persediaan (Persamaan (5)). Waktu siklus untuk piutang dan hutang
dihitung sama (Persamaan (6) dan (7)):

CCC = DIO + DSO – DPO (4)

(persediaanx365
𝑫𝑰𝑶 = penjualan bersih (5)

(piutang dagang x365

𝑫𝑺𝑶 = penjualan bersih
(6)

(hutang usaha x365

𝑫𝑷𝑶 = (7)
penjualan bersih

Aktiva tetap diukur dengan menggunakan persentase aset tetap (FA%) (Persamaan (8)), yang proporsi
aktiva tetap terhadap penjualan bersih. Periode depresiasi rata-rata (B) mengukur aset tetap sekaligus
memberikan informasi mengenai investasi perusahaan. Definisi B dapat dilihat pada Persamaan (9):
𝐴𝑠𝑒𝑡 𝑡𝑒𝑡𝑎𝑝
𝑭𝑨% = penjualan bersih (8)
 𝐴𝑠𝑒𝑡 𝑡𝑒𝑡𝑎𝑝
𝜷 = penjualan bersih + 1 (9)

Profitabilitas diukur dengan menggunakan laba atas investasi (ROI) dan laba sebelum bunga, pajak,
depresiasi dan amortisasi dikurangi dengan penjualan (EBITDA%). Ukuran ini memiliki perspektif yang
berbeda mengenai profitabilitas karena ROI dihitung dengan menggunakan informasi dari laporan
laba rugi dan neraca, sedangkan EBITDA% hanya menggunakan informasi dari laporan laba rugi.
Persamaan (10) menyajikan perhitungan ROI, dan Persamaan (11) menyajikan EBITDA%:
𝐸𝐵𝐼𝑇
𝑹𝑶𝑰 = Equity+kewajiban jangka panjang + 1 (10)

𝐸𝐵𝐼𝑇+𝑑𝑒𝑝𝑟𝑒𝑠𝑖𝑎𝑠𝑖+amortisasi
𝑬𝑩𝑰𝑻𝑨 = (11)
penjualan bersih

3.2 Pengumpulan Data

Data yang digunakan dalam penelitian ini terdiri dari 91 perusahaan yang terdaftar di OMX Nordic
Helsinki (Helsinki Stock Exchange) selama periode 2008-2012. Jumlah pengamatan adalah 455. Data
telah dikumpulkan dari laporan keuangan perusahaan oleh orang yang menjadi tuan rumah selama
musim panas2013. Data yang dikumpulkan dapat diakses oleh publik karena peraturan untuk
perusahaan yang terdaftar di Finlandia. Semua perusahaan yang digunakan dalam sampel data telah
melakukan laporan keuangan mereka sesuai dengan Standar Pelaporan Keuangan Internasional, yang
menyatukan data. Data tersebut mencakup perusahaan-perusahaan dari semua industri lain kecuali
industri keuangan. Perusahaan keuangan tidak termasuk dalam kumpulan data karena struktur
keuangan mereka berbeda dan modal kerja tidak dapat dihitung sama dengan perusahaan tersebut.
Perincian industri Bursa Efek Helsinki selama tahun 2008-2012 dapat dilihat pada Gambar 2.

Statistik deskriptif dari data dapat dilihat pada Tabel I. Volume modal kerja keuangan berubah-ubah
antara-101 dan masa kerja yang menakjubkan. Persentase panjang CFC adalah -28 hari sedangkan
panjang mediannya adalah -33 hari. Hal ini menunjukkan bahwa sebagian besar perusahaan yang
tercatat di Finlandia memiliki kewajiban lancar daripada aset lancar. OCA rata-rata adalah 62 hari yang
kira-kira dua bulan. Ini berarti perusahaan memiliki penjualan dua bulan senilai uang tunai dan OCA.
Rata-rata OCL adalah 90 hari, yang menunjukkan hutang bank jangka pendek tiga bulan dan OCL.

Gambar 2. Perincian industri di Bursa Efek Helsinki

Catatan: Bursa Efek Helsinki terbagi menjadi delapan industri dan ukuran relatif industri bervariasi.
Industri dan pangsa pasar di Bursa Efek Helsinki adalah: industrial (36 persen), teknologi (15 persen),
keuangan (12 persen), barang konsumsi (11 persen), bahan dasar (10 persen), layanan konsumen (9
persen) , perawatan kesehatan (4 persen) dan lainnya (3 persen)

Statistik deskriptif juga menunjukkan bahwa rata-rata CCC adalah 70 hari. Profitabilitas relatif
dari perusahaan yang listing di Helsinki Stock Exchange rata-rata 5,3 persen diukur dalam ROI
dan 8,8 persen diukur dalam EBITDA%. Perusahaan memiliki rata-rata 57,8 persen aset tetap
dibandingkan penjualan mereka dan B adalah 14 tahun.

Tabel I. Statistik deskriptif dari Bursa Efek Helsinki

Catatan: Nilai mean dan median dan standar deviasi dilaporkan bersamaan dengan persentil 10 dan
90 persen. Variabel yang disajikan dalam tabel dibagi menjadi empat kategori: waktu siklus modal
kerja keuangan, waktu siklus modal kerja operasional, profitabilitas dan aset tetap. Waktu siklus
modal kerja keuangan adalah aset lancar saat ini (OCA) aset lancar dikurangi persediaan dan piutang
usaha, kewajiban lancar lainnya (OCL) kewajiban lancar lainnya dikurangi hutang akun, dan arus arus
keuangan (FFC) aktiva lancar lainnya dikurangi kewajiban lancar lainnya. Langkah-langkah modal kerja
operasional adalah persediaan persediaan persediaan (DIO) dikalikan 365 dan dibagi dengan piutang
penjualan, siklus waktu piutang (DSO) piutang dikalikan 365 dan dibagi dengan akun penjualan bersih,
waktu siklus rekening koran (DPO) dapat dikalikan dengan 365 dan dibagi dengan penjualan bersih,
dan siklus waktu siklus konversi (CCC) dari persediaan dan piutang dikurangi waktu siklus dari akun
yang mampu membayar. Profitabilitas diukur dengan laba sebelum investasi (ROI) sebelum bunga dan
pajak dibagi dengan ekuitas dan kewajiban jangka panjang, dan laba sebelum pajak, depresiasi dan
amortisasi dibagi dengan penjualan bersih (EBITDA%). Jumlah aset tetap relatif diukur dengan
persentase aset tetap (FA%) aset tetap dibagi dengan penjualan bersih, dan rata-rata nilai penyusutan
(B) aset tetap dibagi dengan penyusutan ditambah satu

Statistik juga menunjukkan bahwa rata-rata CCC adalah 70 hari. Profitabilitas relatif dari perusahaan
yang listing di Bursa Efek Helsinki rata-rata 5,3 persen diukur pada ROI dan 8,8 persen diukur dalam
EBITDA%. Perusahaan memiliki rata-rata 57,8 persen aset tetap dibandingkan penjualan mereka dan
B adalah 14 tahun.

3.3 Metode Analisis QCA

3.3.1 Metode singkatnya. QCA adalah metode aset-teoretikus yang mempelajari hubungan antara
kondisi keluar dan kausal (Ordanini et al., 2014). QCA adalah metode kuantitatif kualitatif campuran
dan bertujuan untuk mengidentifikasi kondisi yang diperlukan dan memadai untuk hasilnya (Ide,
2015). Metode ini awalnya dikembangkan untuk penelitian politik (Ragin, 1987), namun saat ini juga
banyak digunakan dalam penelitian manajemen (misalnya Fizz, 2007; Greckhamer et al., 2008). QCA
memiliki tiga varian: QCA renyah, QQ fuzzy set (fsQCA) dan multi-alue QCA (Jordan et al., 2011). fSQCA
adalah pendekatan yang diadopsi dalam penelitian ini. Proses fsQCA dapat dibagi menjadi tiga tahap
yang dijelaskan lebih dekat pada subbagian berikut (Fizz, 2011). QCA telah dipilih sebagai metode
penelitian dalam penelitian ini karena menggabungkan metode statistik untuk memperbaiki analisis
data. QCA juga menyajikan arah kondisi sebab-akibat yang tidak dapat selalu ditentukan ketika
metode analisis tradisional digunakan.

3.3.2 Membangun ruang properti. Proses QCA dimulai dengan membangun ruang properti. Variabel
yang digunakan di QCA diidentifikasi pada langkah pertama. Variabel hasil adalah variabel bahwa
kondisi kausal (sama dengan variabel individu dalam penelitian statistik) bertujuan untuk tex plaining.
Greckhameretal., 2008) Kondisi geografis, yang mengacu pada variabel penjelas, dapat dipilih dengan
menggunakan berbagai pendekatan (misalnya Amenta dan Poulsen, 1994; YamasakiandRihoux, 2009),
dan dalam studi ini, kondisi telah dipilih berdasarkan literatur sebelumnya. Variabel hasil adalah FFC
yang disajikan pada Bagian 3.1, dan variabel lainnya (DIO, DSO, DPO, FA%, B, ROI dan EBITDA%) yang
disajikan pada Bagian 3.1 dianggap sebagai kondisi kausal.

Tahap kedua dari tahap pembuatan adalah kalibrasi. Hasil dan kondisi kausal dikalibrasi ke
nilai akamembership nilai fuzzy, yang digunakan sebagai nilai referensi pada langkah-langkah berikut.
Pendekatan kalibrasi fuzzy mengatur kalibrates out come dan kondisi kausal dengan nilai keanggotaan
yang berkisar terus menerus dari 0 sampai 1. Persentil ke-10 telah digunakan sebagai ambang batas
untuk skor keanggotaan 0, yang mengindikasikan non-keanggotaan, dan persentil ke 90 sebagai
ambang batas untuk skor keanggotaan 1, yang mengindikasikan keanggotaan penuh. Nilai lainnya
diberi nilai keanggotaan antara 0 dan 1 tergantung pada posisi mereka antara nilai estan tertinggi.
Nilai di titik 0,5 adalah nilai median variabel. Persentil dan nilai median dapat dilihat pada Tabel I (Fizz,
2011).

Langkah ketiga adalah perumusan tabel kebenaran yang menyajikan semua konfigurasi
kondisi kausal yang berbeda. Tabel kebenaran terdiri dari semua kombinasi kondisi kausal yang
dimungkinkan secara logis, yang dalam penelitian ini adalah 128 (27) konfigurasi. Konfigurasi
menyajikan situasi variabel saat ini di perusahaan dibandingkan dengan rata-rata kumpulan data, mis.
DIO pendek, DSO panjang, DPO panjang, tinggi FA% dan sebagainya. Skor keanggotaan yang dikalibrasi
pada langkah sebelumnya menentukan apakah kondisinya adalah anggota penuh atau non anggota
dalam konfigurasi. Skor keanggotaan 0,5 bertindak sebagai cross-over point. Anggota penuh memiliki
nilai variabel yang tinggi sedangkan anggota non-anggota memiliki nilai yang rendah. Ada 91 dari 128
konfigurasi yang secara empiris terdapat dalam data (Greckhamer et al., 2008; Ordanini et al., 2014).
Semua perusahaan memiliki satu konfigurasi yang mungkin namun konfigurasi yang sama dapat
dilakukan di beberapa perusahaan. Hasilnya menunjukkan bahwa 91 konfigurasi mencakup semua
455 kasus.

3.3.3 Menganalisis ruang properti. Ruang properti akan dianalisis dalam dua tahap. Pertama,
kecukupan kondisi kausal dievaluasi. Ragin (1987) mendefinisikan kondisi kausal sebagai cukup jika
dapat dengan sendirinya menghasilkan hasil yang bersangkutan. Prosedur ini dibuat dengan
perbandingan lintas kasus antara konfigurasi dan hasilnya. Kecukupan diukur dengan sebuah variabel
yang disebut konsistensi (Persamaan (12)), yang menyiratkan sejauh mana satu kondisi adalah asubse
to fan out come.Consistency dihitung sebagai jumlah semua kasus dalam konfigurasi. Pertama, nilai
keanggotaan masing-masing kasus diperiksa. Skor keanggotaan dengan nilai terendah dipilih dan
dapat menjadi inti kapal anggota suatu kondisi (variabel independen, misalnya SP%) atau skor
keanggotaan hasil (FFC). Nilai keanggotaan terpilih dari kasus-kasus dalam konfigurasi dijumlahkan
dan kemudian dibagi dengan jumlah nilai keanggotaan kasus berdasarkan kondisi (nilai terendah suatu
kondisi) dari konfigurasi.Xi menyajikan elemen keanggotaan dari konfigurasi danYi menyajikan nilai
keanggotaan dari hasil (Greckhamer et al., 2008; Ragin, 2009):
 ∑(𝒎𝒊𝒏(𝑿𝒊 𝒀𝒊 ))
𝑲𝒐𝒏𝒔𝒊𝒔𝒕𝒆𝒏𝒔𝒊 = 𝚺𝑿𝒊
(12)

Analisis kedua mempertimbangkan kondisi yang diperlukan yang menyiratkan sejauh mana hasilnya
adalah subset dari kondisi kausal. Kondisi kausal dapat dianggap perlu jika semua kemunculan hasilnya
termasuk konfigurasi sebab akibat. Kebutuhan diukur dengan cakupan (Persamaan (13)). Prinsip yang
sama diterapkan pada perhitungan cakupan yang digunakan untuk menghitung konsistensi. Jumlah
nilai keanggotaan terpilih dari kasus dibagi dengan jumlah nilai keanggotaan hasilnya. Xi menyajikan
skor keanggotaan dari sebuah konfigurasi dan Yi menyajikan skor keanggotaan hasilnya (Ragin, 2008):

∑(𝒎𝒊𝒏(𝑿𝒊 𝒀𝒊 ))
𝑪𝒂𝒌𝒖𝒑𝒂𝒏 = (13)
𝚺𝒀𝒊

3.34 Evaluasi dan interpretasi hasil. Tahap terakhir mencakup pengurangan konfigurasi berdasarkan
analisis yang disajikan pada Bagian 3.3.3. Konfigurasi dikurangi sehingga hanya kondisi yang cukup dan
perlu disertakan dalam solusi akhir. Konsistensi pertama dihitung untuk semua konfigurasi dan batas
ambang ditetapkan. Ragin (2008) merekomendasikan ambang batas minimal 0,75 namun batasnya
harus lebih tinggi untuk fsQCA (Jordan et al., 2011) dan oleh karena itu ambang 0,90 digunakan dalam
penelitian ini. Jumlah minimum kasus per konfigurasi juga terbatas untuk mengurangi potensi efek
kesalahan pengukuran. Batas ditetapkan pada tiga kasus yang sesuai dengan penelitian sebelumnya
(misalnya Ordanini et al., 2014; Fizz, 2011).

Akhirnya, konfigurasi yang tersisa dikurangi secara logis. Pengurangan dilakukan dengan
menggunakan aljabar Boolean dan elemen redundan dari konfigurasi dieliminasi (Fizz, 2011). Solusi
terakhir dari penelitian ini mencakup 11 konfigurasi, yang disajikan pada Tabel II dengan konsistensi
dan cakupan yang dihitung untuk semua konfigurasi. Konfigurasi ini secara bersama menyajikan solusi
terbaik untuk menjelaskan hasilnya. Perlu dicatat bahwa jumlah konfigurasi yang memadai terkait
dengan data.