32
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Dalam penelitian ini termasuk ke dalam penelitian kuantitatif karena dalam penelitian ini penulis akan menghitung seberapa besar pengaruh Nilai
Tukar Rupiah, Inflasi dan Jumlah Uang Beredar M2 terhadap Dana Pihak Ketiga DPK serta implikasinya pada pembiayaan Mudharabah.
B. Metode Penentuan Sampel
Sampel penelitian adalah data Nilai Tukar Rupiah, Inflasi dan Jumlah Uang Beredar M2 yang tercatat dalam Statistik Ekonomi Keuangan
Indonesia SEKI periode Bulan Juni tahun 2004 hingga Bulan Juli tahun 2010. Sedangkan data DPK dan Mudharabah diambil dari Statistik Perbankan
Syariah periode Bulan Juni tahun 2004 hingga Bulan Juli tahun 2010. Dalam penelitian ini penulis mengunakan metode Judgement Sampling
dalam menentukan sampel. Metode judgement sampling atau purposive pengumpulan data atas dasar strategi kecakapan atau pertimbangan pribadi
semata. Abdul Hamid, 2007 : 29
C. Metode Pengumpulan Data
Data yang diperoleh dalam penelitian ini merupakan data sekunder yang berasal dari literatur-literatursumber lain dari dalam maupun perbankan syariah di
Indonesia, sedangkan teknik pengumpulan data sebagai berikut :
32
33
1. Data sekunder a. Data sekunder adalah data yang diperoleh dari pihak lain sudah
tersedia dan digunakan untuk penelitian lain. Data tersebut berupa laporan statistik ekonomi keuangan indonesia Bulan Juni tahun 2004
hingga Bulan Juli tahun 2010 yang dipublikasikan di Bank Indonesia. b. DPK dan pembiayaan Mudharabah yang terdapat dalam laporan
statistik perbankan syariah yang dipublikasikan di Bank Indonesia. 2. Library Research
Merupakan teknik pengumpulan data yang dilengkapi pula dengan membaca dan mempelajari serta menganalisis literature yang bersumber
dari buku-buku dan jurnal-jurnal yang berkaitan dengan penelitian ini. Hal ini dilakukan untuk mendapat landasan teori dan konsep yang tersusun.
Penulis melakukan penelitian dengan membaca, mengutip bahan-bahan yang berkenaan dengan penelitian.
D. Metode Analisis
Analisis jalur merupakan pengembangan dari model regresi yang digunakan untuk kesesuaian fit dari matrik korelasi dari dua atau lebih model
yang dibandingkan oleh si peneliti. Model biasanya digambarkan dengan lingkaran dan anak panah yang menunjukkan hubungan kausalitas. Regresi
dilakukan untuk setiap variabel dalam model. Nilai regresi yang diprediksi oleh model dibandingkan dengan matrik korelasi hasil observasi variabel dan
nilai goodness of-fit dihitung. Model terbaik dipilih berdasarkan nilai goodness of fit.
Imam Ghozali, 2008:21.
34
X X
X Y
e
1
Analisis jalur merupakan pengembangan lebih lanjut dari analisis regresi berganda dan bivariat. Analisis jalur ingin menguji persamaan regresi
yang melibatkan beberapa variabel eksogen dan endogen sekaligus sehingga memungkinkan pengujian terhadap variabel mediatingintervening atau
variabel antara. Disamping itu analisis jalur juga dapat mengukur hubungan langsung antar variabel dalam model maupun hubungan tidak langsung antar
variabel dalam model. Hubungan langsung antara variabel eksogen terhadap variabel dapat dilihat pada koefisien beta. Hubungan tidak langsung adalah
seberapa besar pengaruh variabel eksogen terhadap variabel endogen melalui variabel intervening. Pengaruh total dapat diperoleh dengan menjumlahkan
hubungan langsung dan tidak langsung. Imam Ghozali, 2008:93. Dilihat dari kerangka berfikir penelitian ini, maka dapat diperoleh 2
dua substruktur linier sebagai berikut: Substruktur I :
Gambar 3.1 Hubungan Kausal X
1
, X
2
, X
3
terhadap Y
Y = ρYX
1
+ ρYX
2
+ ρYX
3
+
1
Keterangan : Y
= Dana Pihak Keriga X
1
= Nilai Tukar Rupiah Kurs X
2
= Inflasi
35
X X
X Y
Z e
1
e
2
X
3
= Jumlah Uang Beredar M2
1
= Residual Error
Substruktur II :
Gambar 3.2 Hubungan Kausal X
1
, X
2
, X
3
, dan Y Pada Z
Z = ρZX
1
+ ρZX
2
+ ρZX
3
+ ρZY +
2
Keterangan : Z
= Mudharabah Y
= Dana Pihak Ketiga X
1
= Nilai Tukar Rupiah Kurs X
2
= Inflasi X
3
= Jumlah Uang Beredar M2
2
= Residual Error
Selanjutnya dengan
menggunakan model
logaritma natural
formulasinya dapat dibentuk lebih nyata sebagai berikut Substruktur I : Y = ρYX
1
+ ρYX
2
+ ρYX
3
+
1
Substruktur II : Z = ρZX
1
+ ρZX
2
+ ρZX
3
+ ρZY
+
2
Hair et. al 1998 dalam Imam Ghozali 2008:61 mengajukan tahapan pemodelan dan analisis persamaan struktural menjadi 7 tujuh langkah
yaitu:
36
Langkah 1: Pengembangan Model Berdasar Teori Model persamaan struktural didasarkan pada hubungan kausalitas,
dimana perubahan satu variabel diasumsikan akan berakibat pada perubahan variabel lainnya. Hubungan kausalitas dapat berarti hubungan yang ketat
seperti ditemukan dalam proses fisik seperti dalam riset perilaku yaitu alasan seseorang membeli produk tertentu. Kuatnya hubungan kausalitas antara dua
variabel yang diasumsikan oleh peneliti bukan terletak pada metode analisis yang dia pilih, tetapi terletak pada justifikasi pembenaran secara teoritis
untuk mendukung analisis. Jadi jelas bahwa hubungan antar variabel dalam model merupakan dedukasi dari teori.
Langkah 2 dan 3: Menyusun Diagram Jalur dan Persamaan Struktural Langkah berikutnya adalah menyusun hubungan kausalitas dengan
diagram jalur dan menyusun persamaan strukturalnya. Ada dua hal yang perlu dilakukan yaitu menyusun model struktural yaitu menghubungkan antar model
konstruk laten baik endogen maupun eksogen dan menyusun measurement model
yaitu menghubungkan konstrak laten endogen atau eksogen dengan variabel indikator atau manifest.
Langkah 4: Memilih Jenis Input Matrik dan Estimasi Model yang Diusulkan Model persamaan struktural berbeda dari teknik analisis multivariate
lainnya, SEM hanya menggunakan data input berupa matrik variankovarian atau matrik korelasi. Data mentah observasi individu dapat dimasukkan dalam
program AMOS, tetapi program AMOS akan merubah dahulu data mentah menjadi matrik kovarian atau matrik korelasi. Analisis terhadap data outlier
37
harus dilakukan sebelum matrik kovarian atau korelasi dihitung. Teknik estimasi model persamaan struktural pada awalnya dilakukan dengan ordinary
least square OLS regression, tetapi teknik ini mulai digantikan oleh
Maximum Likelihood Estimation ML yang lebih efisien dan unbiased jika
asumsi normalitas multivariate dipenuhi. Teknik ML sekarang digunakan oleh banyak program komputer. Namun demikian teknik ML sangat sensitif
terhadap non-normalitas data sehingga diciptakan teknik estimasi lain seperti Weight Least Square
WLS, Generalized Least Square GLS dan Asymptotivally Distribution Free
ADF. Langkah 5 : Menilai Identifikasi Model Struktural
Selama proses estimasi berlangsung dengan program komputer, sering didapat hasil estimasi yang tidak logis atau meaningless dan hal ini berkaitan
dengan masalah identifikasi model struktural. Problem identifikasi adalah ketidakmampuan proposed model untuk menghasilkan unique estimate. Cara
melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang meliputi: 1 adanya nilai standar error yang besar untuk satu atau lebih
koefisien, 2 ketidakmampuan program untuk invert information matrix, 3 nilai estimasi yang tidak mungkin misalkan error variance yang negatif , 4
adanya nilai korelasi yang tinggi 0,90 antar koefisien estimasi. Langkah 6 : Menilai Kriteria Goodness-of-Fit
Salah satu tujuan dari Analisis Jalur adalah menentukan apakah model planusible
masuk akal atau fit. Suatu model penelitian dikatakan baik,
38
apabila memiliki model fit yang baik pula. Tingkat kesesuaian model dalam buku Imam Ghozali 2008 terdiri dari:
1. Absolute Fit Measure
Absolute fit measure mengukur model fit secara keseluruhan baik
model struktural maupun model pengukuran secara bersamaan. a.
LikeliHood-Ratio Chi-Square Statistic Ukuran fundamental dari overall fit adalah likeliHood-ratio
chi-square
2
. Nilai chi-square yang tinggi relatif terhadap degree of freedom
menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini akan
menghasilkan probabilitas p yang lebih besar dari tingkat signifikansi dan ini menunjukkan bahwa input matrik kovarian antara prediksi
dengan observasi sesungguhnya tidak berbeda secara signifikan. Dalam hal ini peneliti harus mencari nilai chi-square yang tidak
signifikan p 0.05 karena mengharapkan bahwa model yang
diusulkan cocok atau fit dengan data observasi. b. CMINDF
Adalah nilai chi-square dibagi dengan degree of freedom. Beberapa pengarang menganjurkan menggunakan ratio ukuran ini
untuk mengukur fit. Menurut Wheaton et. Al 1977 dalam Imam Ghozali 2008 nilai ratio 5 lima atau kurang dari lima merupakan
ukuran yang reasonable. Peneliti lainnya seperti Byrne 1988 mengusulkan nilai ratio ini 2 merupakan ukuran fit.
39
c. Goodness of Fit Index GFI Goodness of Fit Index
GFI dikembangkan oleh Joreskog dan Sorbon 1984 yaitu ukuran non-statistik yang nilainya berkisar antar 0
poor fit sampai 1 perfect fit. Nilai GFI tinggi menunjukkan fit yang lebih baik dan berapa nilai GFI dapat diterima sebagai nilai yang layak
belum ada standarnya, tetapi banyak peneliti menganjurkan nilai di atas 90 sebagai ukuran good fit.
d. Root Mean Square Erorrs of Approximation RMSEA Root mean square error of approximination
RMSEA merupakan ukuran yang mencoba memperbaiki kecenderungan
statistic chi-square menolak model dengan jumlah sampel yang besar.
Nilai RMSEA antara 0,05 sampai 0,08 merupakan ukuran yang dapat diterima. Hasil uji empiris RMSEA cocok untuk menguji model
konfitmatori atau competing model strategy dengan jumlah sampel besar.
2. Incremental Fit Measures
Incremental fit measures membandingkan proposed model dengan
baseline model sering disebut dengan null model. Null model merupakan
model realistic dimana model-model yang lain harus diatasnya. a. Adjusted Goodness of Fit Indes AGFI
Adjusted Goodnbess of Fit Index AGFI merupakan
pengembangan dari GFI yang disesuaikan dengan ratio degree of
40
freedom untuk propsed model dengan degree of freedom untuk null
model. Nilai yang direkomendasikan adalah 0,90.
b. Tucker-Lewis Index TLI Tucker-Lewis Index
atau dikenal dengan nonnormed fit index NNFI. Pertama kali diusulkan sebagai alat untuk mengevaluasi
analisis faktor, tetapi sekarang dikembangkan untuk SEM. Ukuran ini menggabungkan ukuran parsimony kedalam indeks komparasi antara
proposal model dan null model dan nilai TLI berkisar dari 0 sampai 1.0. Nilai TLI yang direkomemdasikan adalah
0,90. c. Normed Fit Index NFI
Normed Fit Index merupakan ukuran perbandingan antara
proposed model dan null model. Nilai NFI akan bervariasi dari 0 no
fit at al l sampai 1.0 perfect fit. Seperti halnya TLI tidak ada nilai
absolute yang dapat digunakan sebagai standar, tetapi umumnya
direkomendasikan 0,90.
3. Parsimony Fit Measures
Ukuran ini menghubungkan goodness-of-fit model dengan sejumlah koefisien estimasi yang diperlukan untuk mencapai level fit.
Tujuan dasarnya adalah untuk mendiagnosa apakah model fit telah tercapai dengan “overfitting” data yang memiliki banyak koefisien.
Prosedur ini mirip dengan “adjustment” terhadap nilai R
2
didalam multiple regression
. Namun demikian karena tidak ada uji statistik yang tersedia maka penggunaannya hanya terbatas untuk membandingkan model.
41
a. Parsimony Goodness of Fit Index PGFI Parsimonious goodness-of-fit index
PGFI memodifikasi GFI atas dasar parsimony estimated model. Nilai PGFI berkisar antara 0
sampai 1.0 dengan nilai semakin tinggi menunjukkan model lebih parsimony
. b. Parsimony Normed Fit Index PNFI
Parsimonious Normal Fit Index PNFI merupakan modifikasi
dari NFI. PNFI memasukkan jumlah degree of freedom yang digunakan untuk mencapai level fit. Semakin tinggi nilai PNFI
semakin baik. Kegunaan utama dari PNFI adalah untuk membandingkan model dengan degree of freedom yang berbeda.
Digunakan untuk membandingkan model alternatif sehingga tidak ada nilai yang direkomendasikan sebagai nilai fit yang diterima. Namun
demikian jika membandingkan dua model maka perbedaan PNFI 0,60 sampai 0,90 menunjukkan adanya perbedaan model yang signifikan
42
Tabel 3.1 Standar Penilaian Kesesuaian Fit
Laporan Statistik Nilai yang Direkomendasikan
Imam Ghozali 2008 Cut of value
Keterangan Absolut Fit
Probabilitas
2
Tidak signifikan p 0.05
Model yang diusulkan cocokfit dengan data
observasi
2
df 5
2 - Ukuran yang reasonable
- Ukuran fit
RMSEA 0.1
0.05 0.01
0.05
x 0.08 - good fit
- very good fit - outstanding fit
- reasonable fit GFI
0.9 good fit
Incremental Fit
AGFI 0.9
good fit TLI
0.9 good fit
NFI 0.9
good fit
Parsimonious Fit
PNFI 0-1.0
lebih besar lebih baik PGFI
0-1.0 lebih besar lebih baik
Sumber : Imam Ghozali, 2008 Langkah 7 : Interpretasi dan Modifikasi Model
Ketika model telah dinyatakan diterima, maka peneliti dapat mempertimbangkan dilakukannya modifikasi model untuk memperbaiki
penjelasan teoritis atau goodness-of-fit. Modifikasi dari model awal harus dilakukan setelah dikaji banyak pertimbangan. Jika model dimodifikasi, maka
43
model tersebut harus di cross-validated diestimasi dengan data terpisah sebelum model modifikasi diterima.
E. Operasional Variabel Penelitian 1. Variabel Endogen
a. Dana Pihak Ketiga Y Dana Pihak Ketiga adalah dana yang diperoleh dari
masyarakat, dalam arti masyarakat sebagai individu, perusahaan, pemerintah, rumah tangga, koperasi, yayasan, dan lain-lain baik dalam
mata uang rupiah maupun dalam valuta asing. Pada sebagian besar atau setiap bank, dana masyarakat ini umumnya merupakan dana
terbesar yang dimiliki. Hal ini sesuai dengan fungsi bank sebagai penghimpun dana dari masyarakat Heithzal Rivai, dkk, 2007 : 413.
Dalam pandangan syariah uang bukanlah suatu komoditi melainkan hanya sebagai alat untuk mencapai pertambahan nilai
ekonomis economic added value. Hal ini bertentangan dengan perbankan berbasis bunga di mana “uang mengembangbiakkan uang”,
tidak peduli apakah uang itu dipakai dalam kegiatan produktif atau tidak. Untuk menghasilkan keuntungan, uang harus dikaitkan dengan
kegiatan ekonomi dasar primary economic activities baik secara langsung maupun melalui transaksi perdagangan ataupun secara tidak
langsung melalui penyertaan modal guna melakukan salah satu atau seluruh kegiatan usaha tersebut.
44
b. Mudharabah Z Mudharabah
adalah salah satu jenis transaksi musyarakah di mana pihak yang bersyirkah adalah pemilik dana shahibul mal dan
pemilik tenaga mudharib Secara teknis mudharabah adalah akad kerja sama usaha antara
pemilik dana dan pengelola dana untuk melakukan kegiatan usaha, laba dibai atas dasar nisbah bagi hasil menurut kesepakatan kedua
belah pihak, sedangkan bila terjadi kerugian akan ditanggung oleh si pemilik dana kecuali disebabkan oleh kesengajaan, kelalaian atau
pelanggaran akad yang dilakukan oleh pengelola dana.
2. Variabel Eksogen
a. Nilai Tukar Rupiah X
1
Menurut Adiningsih, dkk 1998 : 155, Nilai Tukar Rupiah adalah harga rupiah terhadap mata uang Negara lain . Jadi, nilai
tukar rupiah merupakan nilai dari satu mata rupiah yang ditranslasikan ke dalam mata uang Negara lain. Misalnya nilai tukar rupiah terhadap
dollar , nilai tukar rupiah terhadap yen dan lain sebagainya. Menurut Lipsey et.al 1997, “Nilai tukar exchange rate
adalah harga suatu mata uang dalam satuan mata uang asing; ini adalah jumlah mata uang suatu negara asing yang harus dibayarkan untuk
mendapatkan satu unit mata uang domestik”
45
Menurut Paul R Krugman dan Maurice 1994 : 34 Kurs adalah Harga sebuah Mata Uang dari suatu Negara yang diukur atau
dinyatakan dalam mata uang. Menurut Nopirin 1996 : 163 Kurs adalah Pertukaran antara
dua Mata Uang yang berbeda,maka akan mendapat perbandingan nilaiharga antara kedua Mata Uang tersebut.
Menurut Suad Husnan 1998, “Kurs valuta asing di Indonesia biasanya dinyatakan sebagai berapa rupiah yang diperlukan oleh bank
untuk membeli satu unit mata uang kurs beli dan berapa rupiah yang akan diterima kalau menjual satu unit mata uang asing kurs jual”
b. Inflasi X
2
Menurut Sukirno Sadono2004:27 inflasi adalah kenaikan harga-harga secara umum berlaku dalam suatu perekonomian dari
suatu periode ke periode lainnya, sedangkan tingkat inflasi adalah presentasi kenaikan harga-harga pada suatu tahun tertentu berbanding
dengan tahun sebelumnya. Menurut Nopirin 2000 inflasi adalah proses kenaikan harga-harga umum barang-barang secara terus-
menerus ini tidak berarti bahwa harga-harga berbagai macam barang itu naik dengan presentase yang sama. Mungkin dapat terjadi kenaikan
tersebut tidaklah bersamaan yang penting terdapat kenaikan umum barang secara terus-menerus selama satu periode. Data inflasi yang
digunakan adalah perkembangan inflasi per bulan periode bulan Juni
46
2004 – bulan Juli 2010. Data tersebut diperoleh dari data statistik ekonomi keuangan Indonesia.
c. Jumlah Uang Beredar X
3
Jumlah Uang Beredar M2 adalah nilai keseluruhan uang yang berada di tangan masyarakat. Jumlah uang beredar dalam arti sempit
narrow money adalah jumlah uang beredar yang terdiri atas uang kartal dan uang giral
M1 = C + D Dimana :
M1 = jumlah uang yang beredar dalam arti sempit C = Uang kartal =uang kertas+uang logam
D = uang giral atau cek Uang beredar dalam arti luas M2 adalah ditambah deposito
berjangka time deposit : M2 = M1 + TD
Dimana: M2 = jumlah uang beredar dalam arti luas
TD = deposito berjangka time deposit Secara teknis, yang dihitung sebagai jumlah uang beredar
adalah uang yang benar-benar berada di tangan masyarakat. Uang yang berada di tangan bank bank umum dan bank sentral, serta uang kertas
dan logam kuartal milik pemerintah tidak dihitung sebagai uang beredar.
47
BAB IV HASIL DAN PEMBAHASAN