34
BAB III METODELOGI PENELITIAN
B. Ruang Lingkup Penelitian
Penelitian ini di gunakan untuk mengetahui besar hubungan antara moneter terhadap perbankan Syariah dilakukan dengan mengkaji hubungan
antara dana pihak ketiga perbankan syariah terhadap indikator kebijakan moneter. Penelitian ini dilakukan pada bank Indonesia. Dengan mengunakan
sampel pada Bank Mua’mmalat, Bank Mega Syariah, dan Bank Syariah Mandiri.
C. Metode Penentuan Sampel
Pada penelitian ini metode penentuan sampel yang akan dilakukan adalah purposive sampling dengan menggunakan data sekunder. Data
sekunder didapat dari laporan keuangan perbankan syariah dalam bentuk laporan triwulan statistik perbankan syariah. untuk periode 2004-2008 atau
mencakup 360 data pada bank syariah yang sedang berkembang.
D. Metode Pengumpulan Data
Dalam setiap panelitian ada beberapa tahapan yang harus dilakukan tahapan tersebut diantaranya meliputi cara pengumpulan data dan informasi
yaitu melalui metodelogi penelitian. 1.
Sumber data : Data sekunder dari laporan keuangan BI didepan DPR RI untuk data inflasi, GDP Riil, tingkat bunga SWBI. Sedangkan data dana
35 pihak ketiga adalah data laporan Triwulan perbankan syariah yang
dikeluarkan Bank Syariah Mandiri, Bank Mu’ammalat dan Bank Mega Syariah. Data tersebut diolah kedalam bentuk data triwulan untuk
menyesuaikan dengan data GDP Riil, inflasi, dan SWBI 2.
Teknik pengelolaan data: Data triwulan dari seluruh variabel diolah dengan menggunakan AMOS 16.0. Variabel terikatnya adalah dana pihak
ketiga Sedangkan variabel bebasnya adalah inflasi, GDP Rill, suku bunga SWBI.
E. Metode Analisis
1.
Analisis Faktor Konfirmatori confirmatori Factor Analysis.
Analisis Faktor Konfirmatori confirmatori Factor Analysis.
Pada tahun 1950-an dan 1960-an analisis faktor mendapatkan popularitas dikalangan para peneliti dan dikembangakan lebih lanjut oleh para peneliti
seperti Joreskog 1967 dan Lawley 1971 yang menggunakan pendekatan atas Maksimum Likelihood ML. pendekatan Maksimum
Likelihood ini memungkinkan para peneliti menguji hipotesis bahwa ada
sejumlah faktor yang dapat menggambarkan interkorelasi antar variabel.
Dengan konsep meminimumkan fungsi Maksimum Likelihood maka didapatkan Likelihood Ratio Chi-square Test untuk menguji
hipotesis bahwa model yang dihipotesiskan cocok atau sesuai Fit dengan data. Pengembangan lebih lanjut menghasilkan metodologi analisis
36 Konfirmatori Faktor Confirmatory Factor Analysis yang
memungkinkan pengujian hipotesis berkaitan dengan jumlah faktor dan pola loadingnya.
Model pengukuran yang digunakan dalam penelitian ini adalah pengukuran respesifikasi model karena heywood case yaitu untuk
mengukur dimana setiap set variabel berfungsi sebagai indikator dari konstruk yang berbeda dan kedua konstruk tersebut berkorelasi satu sama
lain. Analisis Konfirmatori atau sering disebut dengan Confirmatory
Factor Analisis CFA didesain untuk menguji multidimensional dari
suatu konstruk teoritis. Analisis ini sering juga disebut menguji validitas suatu konstruk teoritis.
Variabel laten yang digunakan dalam penelitian dibentuk berdasarkan konsep teoritis dengan beberapa indikator atau manifest.
Analisis Konfirmatori ingin menguji apakah indikator-indikator tersebut merupakan ukuran unidimensionalitas dari suatu konstruk laten.
a. Menguji Model Pengukuran
3 Uji Kesesuaian Model : Uji Unidemensionalitas
Setelah model pengukuran berhasil dirumuskan, maka berdasarkan dataset sampel, parameter model estimasi dan diuji
kesesuiannya dengan data. Ada dua tujuan yang ingin dicapai
37 melalui pengujian kesesuaian model pengukuran, yaitu sebagai
berikut : a
Mengevaluasi apakah model pengukuran yang diusulkan Fit atau tidak dengan data. Dalam hal ini, model pengukuran
dikatakan Fit dengan data apabila model dapat mengestimasi matriks kovariansi populasi
yang tidak berbeda dengan matriks kovariansi data sampel S. hal tersebut
mengidentifikasikan bahwa hasil estimasi dapat diberlakukan terhadap populasi. Diterjemahkan menurut ukuran Goodness-
Of-Fit-Test GFT utama, hal tersebut dijelaskan dengan nilai
P -hitung statistik Chi-square yang dihasilkan model lebih
besar atau sama dengan 0,05, nilai RMSEA lebih kecil dari 0,08 dan atau niali CFI lebih besar dari 0,90.
b Mengevaluasi apakah model pengukuran yang diusulkan
bersifat unidimensional atau tidak. Suatu model pengukuran dikatakan memiliki sifat unidimensional apabila modelnya Fit
dengan data serta indikator-indikatornya hanya mengukur satu variabel laten. Dengan kata lain, secara empirik modelnya
merupkan Congeneric dan bukan Non Congeneric Model.
38 4
Uji kesesuaian Kedua Konstruk : Uji Validitas Reabilitas indikator Apabila dari hasil pengujian kesesuian model
menunjukan model pengukuran tidak Fit dengan data maka model perlu diperbaiki. untuk memperbaiki model langkah pertama yang
harus dilakukan adalah menguji kebermaknaan Tes Of Significance
koefisien suatu bobot faktor. Tujuan menentukan Validitas dan Reliabilitas masing-masing indikator dalam
mengukur variabel latennya. Seperti yang sudah dijelaskan, bahwa suatu indikator
dikatakan Valid dan Reliabel mengukur variabel latennya apabila: a
Secara statistik koefisien bobot faktor signifikan dengan nilai P-hitung yang lebih kecil dengan tingkat kesalahn 0,005 5.
b Besarnya estimasi koefisien bobot faktor yang distandarkan
untuk masing-masing indikator tidak kurang dari 0,40 atau 0,50
Berdasarkan hasil uji kebermaknaan Validitas dan Reliabilitas koefisien bobot faktor, perbaikan model pengukuran
dapat dilakukan dengan cara sebagai berikut: Jika dari hasil uji kebermaknaan ditemukan ada bobot faktor yang tidak signifikan
P-hitung 0,05 dan atau estimasi koefisien bobot faktor yang distandarkan ada yang kurang dari 0,40 atau 0,50 diindikasikan
39 indikator tersebut tidak valid dalam mengukur variabel latennya.
Apabila ditemukan ada indikator yang tidak valid maka indikator tersebut didrop atau dikeluarkan dari model pengukuran Hair dkk,
2006. Artinya, model pengukuran diperbaiki dan koefisien bobot faktor diestimasi ulang.
b. Validitas konstruk
Validitas Konstruk memberikan kepercayaan bahwa ukuran indikator yang diambil dari sampel menggambarkan skor
sesungguhnya di dalam populasi. Ada empat ukuran validitas konstruk yaitu Convergent Validity, Variance Extracted, Construct Reliability
dan Discriminant Validity. 5
Convergent Validity Konstruk yang tinggi, maka nilai loading yang tinggi pada
suatu faktor konstruk laten menunjukan bahwa mereka Converge pada suatu titik. Syarat yang harus dipenuhi, pertama Loading
faktor harus signifikan. Oleh karena loading faktor yang signifikan bisa jadi masih rendah nilainya, maka standardized loading
estimate harus sama dengan 0.50 atau lebih dan idealnya 0.70.
6 Variance Extracted
Dalam analisis Faktor Konfirmatori, prosentase rata-rata nilai Variance Extracted AVE antar item atau indikator suatu set
40 konstruk laten merupakan ringkasan convergen indikator. AVE
dapat dihitung dengan menggunakan nilai Standardized loading dengan rumus sebagai berikut:
AVE = total kuadrat standardized factor loading = Menunjukan Standardized Factor Loading
i = Jumlah item dan indikator validitas
AVE dihitung sebagai total kuadrat Standardizes Loading ditambah total varians dari error. Nilai AVE sama dengan atau
diatas 0.50 menunujukan adanya convergent yang baik. Nilai AVE harus dihitung untuk setiap konstruk laten.
7 Construct ReLiability CR
Reliabilitas juga merupakan salah satu indikator validitas convergent. Besarnya nilai Construct Reliability CR dapat
dihitung dengan rumus sebagai berikut:
CR =
41 Construct Reliability 0.70 atau lebih menunujukan reliabilitas
yang baik. Sedangkan reliabilitas konstruk 0.60 – 0.70 masih dapat diterima dengan syarat validitas indikator dalam model baik
8 Discriminan Validity
Discriminant validity mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari konstruk lainnya. Nilai dari
diskriminant validity yang tinggi memberikan bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang diukur.
Cara mengujinya adalah membandingkan nilai akar kuadrat AVE dengan nilai korelasi antar konstruk.
F. Operasional Variabel
Kategori