III. METODELOGI PENELITIAN
3.1 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini merupakan data primer, dan data sekunder. Data primer diperoleh dari survei yang dilakukan oleh InterCAFE, dan
penulis ikut terlibat dalam pengambilan data tersebut. Pengambilan data dilakukan pada bulan April hingga Mei 2008 kepada responden yang dipilih berdasarkan
metodologi penarikan contoh sampling tertentu. Metode yang digunakan dalam pengambilan contoh dalam penelitian ini, yaitu Quota sampling dan Stratified
sampling. Quota sampling bertujuan untuk mengklasifikasikan populasi berdasarkan
kriteria tertentu, kemudian memberikan kuota untuk masing-masing kriteria, sehingga sampel yang digunakan menggambarkan karakteristik keseluruhan BPR. Stratified
sampling bertujuan membagi ke dalam kelompok-kelompok yang relatif homogen
berdasarkan kriteria tertentu dan sample dipilih secara acak dari masing-masing kelompok Juanda, 2007.
Total responden yang dijadikan sample dalam penelitian ini berjumlah 867 unit BPR, yang merupakan 50 persen dari total BPR yang ada di Indonesia. Data
tersebut digunakan untuk mengklarifikasi dan menggali informasi yang lebih mendalam mengenai jangkauan pelayanan BPR. Data sekunder diperoleh dari
berbagai sumber antara lain studi literatur, Bank Indonesia BI, Badan Pusat Statistik BPS, Departemen Keuangan Depkeu, Departemen Koperasi Depkop, jurnal dan
referensi lain yang relevan. Data sekunder yang digunakan pada penelitian ini adalah data tahunan meliputi penghimpunan dan penyaluran dana BPR, dan data rasio-rasio
perbankan tahun 2007.
3.2 Metode Analisis
Secara umum metode yang digunakan dalam menganalisis data pada penelitian ini adalah metode analisis deskritif, dan analisis komponen utama AKU.
Metode analisis deskritif untuk menjawab pertanyaan pertama dan kedua dalam perumusan masalah, sedangkan analisis komponen utama untuk menjawab
pertanyaan ketiga dalam perumusan masalah. Pengolahan data dilakukan dengan menggunakan software Microsoft Excel 2007, dan SPSS 15.
3.2.1 Analisis Statistika Deskriptif
Metode ini merupakan metode statistik yang digunakan untuk menggambarkan data yang telah dikumpulkan. Data yang terkumpul dianalisis
dengan metode ini sehingga dapat diperoleh gambaran karakteristik responden, serta faktor yang berpengaruh terhadap jangkauan pelayanan outreach BPR. Data dapat
disajikan dalam bentuk tabulasi seperti tabulasi tunggal dan tabulasi silang, charts dan diagram.
Metode tabulasi silang cross-tabulation adalah metode statistik yang merangkum data dengan dua atau lebih variabel secara bersamaan atau sekaligus.
Terkadang, metode ini juga menggunakan cara deskriptif sederhana untuk melihat apakah ada hubungan antara dua buah variabel. Tabulasi silang ini biasanya
menggunakan tabel yang didalamnya terdapat dua atau lebih masing-masing
variababel bebas dan tak bebas. Setiap sel pada tabel ini berisi jumlah responden yang memberikan sebuah kombinasi informasi yang lebih spesifik. Oleh karenanya, setiap
sel mengandung sebuah tabulasi silang tunggal single cross tabulation. Pada intinya, penggunaan metode ini adalah untuk memberikan solusi dari suatu masalah
dengan menampilkan kombinasi dari variabel dan menganalisis antara kedua variabel bebas dan tak bebas.
Penggunaan metode tabulasi silang seringkali dijumpai dalam penelitian karena metode ini mudah untuk dimengerti bagi kebanyakan orang yang memiliki
keterbatasan pengertian dalam ilmu hitung. Selain itu metode ini juga dapat digunakan untuk berbagai jenis tipe data baik berupa data nominal, ordinal, interval
maupun rasio. Dengan demikian, tabulasi silang dapat digunakan jika salah satu variabel bersifat kualitatif dan lainnya kuantitatif ataupun jika keduanya bersifat
kualitatif dan sebaliknya.
3.2.2 Principal Component Analysis PCA
Jollife 2003 menerangkan analisis komponen utama atau Principal Component Analysis
PCA pertama kali diperkenalkan oleh Pearson pada tahun
1901, dan selanjutnya dikembangkan oleh Hotteling pada tahun 1993, Rao pada tahun 1964, dan yang lainnya. PCA merupakan teknik analisis multivariabel
menggunakan banyak variabel yang dilakukan untuk tujuan ortogonalisasi dan penyederhanaan variabel. Analisis ini merupakan teknik statistik yang
mentransformasikan secara linier satu set variabel ke dalam variabel baru dengan ukuran lebih kecil namun representatif dan tidak saling berkorelasi ortogonal. PCA
dalam studi ini menghasilkan suatu indeks kinerja BPR yang dibangun dari berbagai
rasio-rasio keuangan BPR. Analisis ini dapat digunakan sebagai analisis antara maupun analisis akhir.
Sebagai analisis antara, PCA bermanfaat untuk menghilangkan multicollinearity atau untuk mereduksi variabel yang berukuran besar ke dalam variabel baru yang
berukuran sederhana. Untuk analisis akhir, PCA umumnya digunakan untuk mengelompokkan variabel-variabel penting dari suatu bundel variabel besar untuk
menduga suatu fenomena, sekaligus memahami struktur dan melihat hubungan antar variabel.
Pada dasarnya PCA adalah analisis yang mentransformasikan data sejumlah p ke dalam struktur data baru sejumlah k dengan jumlah k p. Perhitungan dengan
PCA memerlukan beberapa pertimbangan, yang sekaligus menggambarkan adanya kendala dan tujuan yang ingin dicapai dari hasil analisis PCA. Di dalam PCA akan
dihitung vektor pembobot yang secara matematis ditujukan untuk memaksimumkan keragaman dari kelompok variabel baru yang sebenarnya merupakan fungsi linier
peubah asal atau memaksimumkan jumlah kuadrat korelasi antar PCA dengan variabel asal. Persamaan umumnya adalah:
dimana persamaan tersebut diperoleh dari matriks berikut:
X adalah variable asal, adalah vector pembobot, dan Y adalah komponen utama.
Hasil analisis komponen-komponen utama antara lain nilai akar ciri, proporsi dan kumulatif akar ciri, nilai pembobot atau sering disebut factor loading, loading
serta factor scores. Vektor pembobot merupakan parameter yang menggambarkan peran hubungan setiap variabel dengan komponen utama ke-i, sedangkan loading
menggambarkan besarnya korelasi antara variabel asal dengan komponen ke-i. Nilai loading
diperoleh dengan persamaan:
dimana menggambarkan besarnya korelasi antara variabel asal dengan komponen utama k-i, merupakan nilai pembobot utama k-i, dan
adalah ciri komponen ke-i.
3.3 Keterbatasan Penelitian
Penelitian ini memiliki beberapa keterbatasan, dikarenakan adanya keterbatasan waktu, dana, dan sumber data yang dimiliki oleh penulis. Sehingga
dalam penelitian ini tidak membahas pengaruh jangkauan pelayanan BPR terhadap perkembangan sektor UMKM berdasarkan propinsi. Selain hal tersebut, index kinerja
yang dibangun dalam penelitian ini hanya pada tahun 2007 saja, dan hanya berfokus terhadap pengaruh jangkauan pelayanan kepada kinerja BPR.
IV. JANGKAUAN PELAYANAN BANK PERKREDITAN RAKYAT
4.1 Gambaran Umum
Bank Perkreditan Rakyat BPR yang saat ini berjumlah 1.811 unit BPR, memiliki kondisi yang sangat beragam. Terdapat BPR yang sampai saat ini memiliki
total aset tertinggi hingga Rp. 1.164 triliun, di sisi lain terdapat BPR yang mampu bertahan dengan volume usaha hanya sebesar Rp. 11,63 juta. Mayoritas BPR
61,29 di Indonesia memiliki aset yang berada pada kisaran Rp. 1 hingga 10 miliar, dan sekitar 4,20 persen BPR lainnya memiliki asset di bawah Rp. 1 miliar
Bank Indonesia, 2008. Kondisi serupa juga terlihat pada penyebaran modal inti BPR, masih terdapat
44,71 persen BPR yang beroperasi dengan modal inti kurang dari Rp. 1 miliar, sementara itu terdapat BPR dengan modal inti mencapai Rp. 161,66 miliar. Mayoritas
BPR 52,38 memiliki modal inti yang berada pada range Rp. 1 hingga 10 miliar. Sedikit berbeda dengan sebaran aset dan modal inti, rata-rata 52,32 BPR memiliki
modal disetor sebesar kurang dari Rp. 1 miliar Bank Indonesia, 2008. Keberagaman yang terjadi di industri BPR, akan menimbulkan karakteristik
jangkauan pelayanan yang berbeda antara satu BPR dengan BPR lainnya. Untuk memudahkan pemotretan karakteristik jangkauan pelayanan BPR, dilakukan
Kategori